基于視頻圖像序列的目標(biāo)跟蹤方法研究.pdf

1、近年來(lái),隨著計(jì)算機(jī)視覺(jué)技術(shù)的迅猛發(fā)展以及實(shí)際應(yīng)用中需求的不斷增加,運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)在安全監(jiān)控、機(jī)器人導(dǎo)航、智能交通等領(lǐng)域得到了廣泛的應(yīng)用,因而成為了國(guó)內(nèi)外研究的熱點(diǎn)問(wèn)題。然后,場(chǎng)景的復(fù)雜性、特征的選取、目標(biāo)的遮擋等技術(shù)問(wèn)題仍需解決,因此本課題具有重要的理論和實(shí)際價(jià)值。
　　 本文主要針對(duì)視頻圖像序列中的運(yùn)動(dòng)目標(biāo)的跟蹤算法進(jìn)行研究,首先研究了基于均值漂移算法的目標(biāo)跟蹤算法,并針對(duì)其存在的問(wèn)題做出了改進(jìn),提高了跟蹤的穩(wěn)定性,其次研究

2、了尺度不變化特征變換(SIFT)特征點(diǎn)匹配,并針對(duì)SIFT應(yīng)用于視頻圖像序列跟蹤中存在的問(wèn)題進(jìn)行了改進(jìn)。論文的主要工作如下:
　　 研究了均值漂移算法,該算法運(yùn)用于目標(biāo)跟蹤時(shí),對(duì)目標(biāo)的旋轉(zhuǎn)變形以及部分遮擋具有較好的適應(yīng)性,計(jì)算簡(jiǎn)單、實(shí)時(shí)性好,但是不能自適應(yīng)地調(diào)節(jié)跟蹤窗口的大小。針對(duì)該算法在受到嚴(yán)重干擾情況下容易跟蹤失敗的問(wèn)題,利用卡爾曼濾波預(yù)測(cè)與均值漂移算法相結(jié)合,通過(guò)對(duì)跟蹤過(guò)程中干擾的檢測(cè),判斷目標(biāo)受干擾的程度,用不同的權(quán)重將

3、卡爾曼濾波預(yù)測(cè)的結(jié)果與均值漂移算法得到的結(jié)果線性組合,有效地利用了目標(biāo)的運(yùn)動(dòng)信息,提高了跟蹤的可靠性。當(dāng)目標(biāo)有尺度上的變化時(shí),基于均值漂移的跟蹤窗口不能自適應(yīng)地調(diào)節(jié)大小,因而無(wú)法準(zhǔn)確地跟蹤目標(biāo)。研究了連續(xù)自適應(yīng)均值漂移算法(Camshift),該算法能夠自適應(yīng)地調(diào)節(jié)跟蹤窗口的大小,但是受到相同顏色物體的干擾時(shí),會(huì)誤認(rèn)為是目標(biāo)。本文利用目標(biāo)的長(zhǎng)軸與短軸之比判斷是否受到了干擾,在受到干擾的情況下,利用均值漂移算法進(jìn)行固定窗口大小的跟蹤,提高

4、了Camshift算法的穩(wěn)定性。
　　 研究了SIFT特征點(diǎn)匹配,針對(duì)匹配過(guò)程中產(chǎn)生的錯(cuò)誤匹配點(diǎn),本文采用了最大最小距離聚類方法通過(guò)對(duì)匹配的特征點(diǎn)形成的斜率進(jìn)行分類,較好地消除了錯(cuò)誤的匹配點(diǎn)。SIFT特征匹配應(yīng)用于運(yùn)動(dòng)目標(biāo)跟蹤時(shí),當(dāng)經(jīng)過(guò)很多幀以后目標(biāo)可能發(fā)生了較大的變化,用固定模板匹配容易導(dǎo)致跟蹤的失敗,本文采用均值漂移算法實(shí)時(shí)地提取當(dāng)前的匹配區(qū)域來(lái)更新模板,在遇到有相近顏色物體遮擋發(fā)生時(shí)利用卡爾曼預(yù)測(cè)結(jié)合均值漂移算法來(lái)實(shí)現(xiàn)對(duì)模