復雜環(huán)境目標檢測與跟蹤關(guān)鍵技術(shù)研究及應用.pdf

1、機器視覺作為光電技術(shù)的一個特定應用領(lǐng)域,已快速增長并發(fā)展成為一個前景光明、活力無限的行業(yè)。本文在國家科技重大專項的資助下,圍繞機器視覺應用中廣泛使用并至關(guān)重要的目標檢測及跟蹤算法進行研究,并結(jié)合其應用展開討論,主要研究內(nèi)容和創(chuàng)新點有:
　　針對已知目標物體特征的情況,提出基于加權(quán)顏色直方圖的目標檢測方法。該方法利用像素的紋理信息對顏色特征進行加權(quán)生成二維顏色特征直方圖,并用該直方圖在圖像空間中搜索需要的目標。圖像實驗證實了該方法能

2、取得優(yōu)于傳統(tǒng)算法的檢測效果,本文還在并聯(lián)機器人表殼工件分揀系統(tǒng)上驗證了其有效性。
　　針對工件分類的應用需求,提出了基于加權(quán)擴散形狀上下文的目標分類方法。該方法從傳統(tǒng)形狀上下文分形因子對圖像扭曲噪聲敏感的缺點出發(fā),提出使用曲率加權(quán)擴散的方法來彌補這一缺陷,并采用動態(tài)規(guī)劃特征點匹配方法來降低算法的時間消耗。該分類算法在表殼工件的分類識別中取得了良好效果。
　　針對未知目標物體特征的情況,提出基于韋伯特征背景建模的目標檢測方法。

3、該方法采用韋伯局部描述因子作為特征信息,對每個像素點進行核密度估計背景建模,并用樣本更新機制和自適應方差策略來增強算法的魯棒性。實驗基于準確性和魯棒性兩種評價指標展開,并在紅外夜視和流水線皮帶傳送兩種實際應用環(huán)境中檢驗了該算法的有效性。
　　針對視頻場景目標跟蹤問題,提出了基于稀疏表達的粒子濾波跟蹤方法,該方法在粒子濾波跟蹤框架內(nèi)實現(xiàn)了局部稀疏表達的目標建模方法,并采用加速最近梯度法來提高求解的實時性。模板在線更新和稀疏字典更新策