基于物體局部信息的跟蹤算法研究.pdf

1、自動目標跟蹤是智能監(jiān)控、武器導(dǎo)引、智能交通系統(tǒng)、視頻壓縮、圖像搜索、醫(yī)用圖像系統(tǒng)等應(yīng)用的基礎(chǔ)和關(guān)鍵技術(shù)，也是計算機視覺領(lǐng)域的研究熱點與難點之一。論文針對復(fù)雜運動背景下的目標跟蹤問題，特別是影響算法穩(wěn)定性的主要問題：目標被遮擋和大小發(fā)生變化，進行了深入研究，提出了基于物體局部信息的跟蹤方法，并在跟蹤過程的不同階段利用物體不同的局部信息進行跟蹤。本文中的局部信息是相對整體信息而言的，單個像素和整個目標區(qū)域是局部信息的兩種特殊情況。本論文主要

2、完成了以下工作： 1）根據(jù)實際目標跟蹤過程中，目標被遮擋的區(qū)域總是從邊緣開始的事實，對歸一化相關(guān)匹配算法進行了改進，摒棄以往將模板劃分為若干部分，每一部分取固定權(quán)值的思想，提出了加權(quán)歸一化相似度量。該方法的思想是目標物體的每個像素對于模板匹配結(jié)果的影響是不同的，因此本文根據(jù)模板中每個像素到模板中心的距離給予不同權(quán)值，具有較好的抗遮擋的能力。 2）針對復(fù)雜運動背景下的目標跟蹤問題，提出了基于物體局部信息的自適應(yīng)模板更新算法

3、。該方法在模板匹配失敗時引入目標分割過程，然后通過對比新目標區(qū)域與模板的相似度得出導(dǎo)致匹配失敗的具體原因，再根據(jù)不同原因采取不同的處理策略，從而使算法在目標被遮擋和大小發(fā)生變化時仍然能實現(xiàn)穩(wěn)定跟蹤。 3）為了提高算法的實時性，本文在跟蹤過程中利用Kalman濾波器預(yù)測目標的運動軌跡，通過縮小匹配區(qū)域提高了跟蹤算法的效率。 4）提出了目標發(fā)生遮擋時的處理策略。首先判斷遮擋發(fā)生的具體位置，然后根據(jù)物體沒有被遮擋部分的信息進行