高速攝像目標(biāo)提取跟蹤系統(tǒng)研究與應(yīng)用.pdf

1、該文針對農(nóng)機(jī)作業(yè)中物體運動試驗研究手段落后的現(xiàn)狀,在土槽上建立了一套高速攝像系統(tǒng)用于研究物體的運動規(guī)律;并針對免耕播種機(jī)的堵塞問題,首次將土槽高速攝像系統(tǒng)用于免耕播種機(jī)粉碎后秸稈的運動軌跡研究.針對拍攝時攝像機(jī)與秸稈同時發(fā)生運動、光照不均、秸稈圖像背景復(fù)雜、凌亂、運動物體多等特點,論文對運動圖像采集,秸稈目標(biāo)提取,目標(biāo)跟蹤問題進(jìn)行了較深入的研究,并取得了如下成果:1.該文研究了運動圖像的采集問題,開發(fā)了運動圖像采集系統(tǒng),著重解決了圖像傳

2、輸中由于計算機(jī)外設(shè)速度跟不上圖像采集速度產(chǎn)生的丟幀問題,實現(xiàn)了運動圖像的實時采集和保存.2.提出用多幀數(shù)據(jù)加權(quán)平均的方法進(jìn)行背景訓(xùn)練來獲得序列圖像的背景模型,使用此背景模型通過背景減除的方法能有效地去除圓盤鋸齒切刀的邊緣對運動目標(biāo)檢測的干擾.3.該文引入了GVF Snake模型進(jìn)行序列圖像運動目標(biāo)的提取,并針對該模型存在對初始輪廓敏感的問題,創(chuàng)新性地提出用改進(jìn)后的分水嶺算法進(jìn)行目標(biāo)的初始分割,將分割結(jié)果作為GVF Snake的初始邊界進(jìn)

3、行精確收斂的算法.試驗證明該方法能有效提取秸稈圖像的輪廓.4.提出用開窗的方法改善GVF Snake計算的效率問題.開窗區(qū)域是基于Condensation的預(yù)測窗口確定,保證了Snake計算的針對性,同時節(jié)省了計算時間.試驗對比分析了不同開窗區(qū)域的時間消耗情況,當(dāng)開窗區(qū)域面積為圖像面積的1/4時,GVF Snake迭代計算20次和40次能節(jié)省時間約一半,迭代60次則計算時間為原來的34﹪左右.5.針對秸稈物體的形狀特征,提出用物體外包矩

4、形的長寬比以及物體的圓形度二準(zhǔn)則依次進(jìn)行目標(biāo)形狀判斷的方法.該方法簡單有效,在大多數(shù)情況下用準(zhǔn)則—即可判斷物體形狀,從而避免進(jìn)行較復(fù)雜的目標(biāo)面積的計算.6.首次提出將Condensation和Snake結(jié)合進(jìn)行秸稈目標(biāo)跟蹤的方法.提出了基于Snake分割得到的目標(biāo)輪廓及其形心確定的外包矩形盒來表示待跟蹤目標(biāo),并在包圍盒的對角頂點進(jìn)行Condensation采樣.這種方法不僅有利于因子采樣計算,也符合目標(biāo)跟蹤是以區(qū)域形心來跟蹤的實際情況.