基于形變模型和目標特征的目標跟蹤算法研究.pdf

1、隨著計算機視覺技術(shù)以及圖像處理技術(shù)的不斷發(fā)展，目標跟蹤技術(shù)在安防工程、精確制導以及國防工業(yè)等具有越來越廣泛的應用，同時也是自動控制、模式識別以及計算機視覺里的研究熱點。本文以視頻監(jiān)控為課題研究背景，主要圍繞基于目標跟蹤的算法進行了相關(guān)研究。
　　首先，本文針對目標檢測的方法進行了深入的分析，提出了一種適用于跟蹤系統(tǒng)的目標檢測算法，該算法結(jié)合差異累積背景建模以及背景更新策略，有效克服了在跟蹤過程中的背景獲取不準確以及背景更新不夠?qū)崟r

2、的難點，該算法對干擾目標有一定的抑制作用。
　　然后，本文研究了兩種主流的目標跟蹤算法，它們分別是基于GVF-Snake的粒子濾波算法和基于梯度方向直方圖的多核跟蹤算法。首先我們提到的是基于GVF-Snake的粒子濾波算法。相比傳統(tǒng)的Snake算法，GVF-Snake有更強大的搜索能力，能夠更準確地找到目標的輪廓，而且對于初始點不太敏感。同時，考慮到跟蹤場景的復雜性，我們通過調(diào)整輪廓點數(shù)量以適應變形運動目標，以輪廓作為目標的特征進

3、行粒子濾波，研究在運動過程中存在形變的物體的跟蹤。實驗證明該算法能夠在一定程度上跟蹤變形目標。基于梯度方向直方圖的多核跟蹤算法將梯度方向直方圖在目標檢測中的優(yōu)勢引入目標跟蹤領(lǐng)域中，考慮到目標被遮擋的情況，本文將目標分成若干子塊，并且分別提取其梯度方向直方圖。目標模型與候選模型之間的相似度通過Bhattacharyya系數(shù)之和來衡量，然后利用Mean Shift算法來最大化相似度達到跟蹤的目的，而且該算法通過抑制邊緣像素權(quán)值來盡量保留目標