復(fù)雜背景下擴(kuò)展目標(biāo)亞像素分級跟蹤方法研究.pdf

1、復(fù)雜背景下的擴(kuò)展目標(biāo)跟蹤是目標(biāo)識別與跟蹤技術(shù)中的重點(diǎn)和難點(diǎn),它主要涉及兩個(gè)方面的難題:一是復(fù)雜背景下的背景雜波抑制與目標(biāo)識別問題;另一個(gè)是擴(kuò)展目標(biāo)的高精度穩(wěn)定跟蹤問題。相關(guān)方法是一種廣泛應(yīng)用于擴(kuò)展目標(biāo)跟蹤的方法,它基于圖像的相似性度量,通過在現(xiàn)場獲取的實(shí)時(shí)圖像中尋找與模板圖像最接近的區(qū)域來跟蹤目標(biāo)物體,具有算法簡單、跟蹤穩(wěn)定、定位準(zhǔn)確、可實(shí)現(xiàn)性強(qiáng)等優(yōu)點(diǎn)。在針對擴(kuò)展目標(biāo)跟蹤的相關(guān)方法中,用目標(biāo)局部圖像為模板的方法是最常見的一種,它直接跟蹤

2、目標(biāo)的局部圖像塊,簡單方便。本論文針對復(fù)雜背景下擴(kuò)展目標(biāo)的跟蹤問題,深入分析了當(dāng)前幾種典型的跟蹤方法,重點(diǎn)研究了相關(guān)跟蹤方法,并在現(xiàn)有的相關(guān)跟蹤方法基礎(chǔ)上做了改進(jìn),最后在matlab7.0平臺上實(shí)現(xiàn)了跟蹤算法的流程仿真,證明改進(jìn)后的算法和傳統(tǒng)的相關(guān)跟蹤算法相比,具有更高的精度和更好的穩(wěn)定性。本文的主要研究內(nèi)容包括:1.研究了圖像金字塔分級方法,利用中值和均值濾波原理設(shè)計(jì)了1/3抽樣的分級算法,并有效應(yīng)用于跟蹤中的分級搜索。2.研究了不同

3、的相似度定義,采用并改進(jìn)了最大相似點(diǎn)計(jì)數(shù)(MPC)距離。新的定義考慮了相似像素對的相似程度對相關(guān)度的影響,使匹配更準(zhǔn)確。3.研究并改進(jìn)了模板更新方法,引入了跟蹤效果評價(jià)機(jī)制,跟蹤效果差的最佳匹配圖像不能參與模板更新。4.研究了亞像素定位方法,設(shè)計(jì)了基于插值的亞像素定位算法,實(shí)現(xiàn)了在像素級跟蹤后對目標(biāo)的亞像素精度定位。5.研究了圖像分割方法,利用目標(biāo)的運(yùn)動信息和MPC定義,設(shè)計(jì)了一種針對運(yùn)動擴(kuò)展目標(biāo)的有效的圖像分割算法。通過對多組復(fù)雜背景