運(yùn)動(dòng)視覺中目標(biāo)的精確提取與跟蹤技術(shù).pdf

1、運(yùn)動(dòng)目標(biāo)提取和跟蹤是視覺分析、高級行為理解以及運(yùn)動(dòng)編碼等計(jì)算機(jī)視覺應(yīng)用領(lǐng)域中基本而又重要的一步，也是計(jì)算機(jī)視覺中的難點(diǎn)問題。本文深入研究了運(yùn)動(dòng)視覺中目標(biāo)的精確提取與跟蹤算法，包括運(yùn)動(dòng)檢測、陰影消除、外輪廓提取以及目標(biāo)的跟蹤四個(gè)方面。 主要研究成果為： 1．針對運(yùn)動(dòng)檢測門限的自適應(yīng)選取問題，利用二維時(shí)空熵準(zhǔn)則自適應(yīng)確定檢測門限；推導(dǎo)出一種迭代計(jì)算形式，并利用小波變換對二維直方圖進(jìn)行二次抽樣降低門限的搜索范圍，極大地降低了計(jì)

2、算量；在此基礎(chǔ)上，推導(dǎo)出可以利用積分和迭代操作快速計(jì)算二維熵門限的新形式，進(jìn)一步降低了二維熵門限的求解復(fù)雜度；并將該方法成功應(yīng)用于幀差和背景減除方式下的運(yùn)動(dòng)檢測。 2．在原有的熵準(zhǔn)則基礎(chǔ)上引入模糊理論，形成二維模糊熵準(zhǔn)則；給出二維模糊熵門限的快速積分和迭代實(shí)現(xiàn)形式，將灰度級為Ⅳ的圖像的各種運(yùn)算操作次數(shù)從D(N<'4>)降低到小于或等于D(N<'3>)；與時(shí)空熵門限運(yùn)動(dòng)檢測相比，時(shí)空模糊熵運(yùn)動(dòng)檢測在提取運(yùn)動(dòng)信息和抑制噪聲方面有了進(jìn)

3、一步提高。 3．提出一種利用色度畸變和紋理特征進(jìn)行陰影消除的方法。該方法分析了場景點(diǎn)在存在陰影前后色度的分布規(guī)律以及紋理的互相關(guān)性，根據(jù)亮度信息和飽和度信息選擇不同的陰影消除機(jī)制，利用顏色向量夾角和紋理特征進(jìn)行陰影的消除。 4．提出了一種彩色圖像序列中多運(yùn)動(dòng)目標(biāo)精確外輪廓自動(dòng)提取算法。采用指數(shù)濾波計(jì)算彩色圖像的梯度強(qiáng)度，改善了彩色圖像梯度局部極值點(diǎn)的定位精度，所得到的梯度強(qiáng)度和運(yùn)動(dòng)邊緣位置信息供隨后的輪廓迭代中使用，成功

4、地避免了動(dòng)態(tài)輪廓的過收縮。此外，充分利用輪廓的方向信息，又有效地克服了動(dòng)態(tài)輪廓迭代中的外擴(kuò)展。從而，自動(dòng)地提取出一個(gè)真正緊貼的目標(biāo)外輪廓。 5．提出一種根據(jù)場景變化動(dòng)態(tài)建立目標(biāo)模型的粒子濾波視覺跟蹤算法。選擇簡單且具有互補(bǔ)性的特征描述表示當(dāng)前圖像，并統(tǒng)一采用直方圖法對目標(biāo)和背景的這些特征進(jìn)行建模；在粒子濾波框架下，根據(jù)巴塔恰里亞距離測度評價(jià)的各個(gè)特征對目標(biāo)和當(dāng)前背景的區(qū)分程度動(dòng)態(tài)調(diào)整每個(gè)特征的置信度；并對各個(gè)特征似然函數(shù)的噪聲參