海事圖像中運(yùn)動(dòng)目標(biāo)跟蹤與攝像機(jī)標(biāo)定研究.pdf

1、在海事智能監(jiān)控領(lǐng)域，船舶跟蹤是獲取船舶運(yùn)動(dòng)軌跡、速度等運(yùn)動(dòng)參數(shù)的第一步，內(nèi)河背景下的各種噪聲如光線、水波等都會(huì)影響船舶跟蹤的準(zhǔn)確性，對(duì)本文而言，也是進(jìn)行攝像機(jī)標(biāo)定的必要條件。攝像機(jī)標(biāo)定是計(jì)算機(jī)視覺的第一步，在攝影測(cè)量、三維重建、計(jì)算機(jī)視覺等圖像領(lǐng)域有著很廣泛的應(yīng)用。在運(yùn)動(dòng)目標(biāo)檢測(cè)方面，本文重點(diǎn)學(xué)習(xí)研究了Codebook背景建模方法，針對(duì)經(jīng)典Codebook模型實(shí)時(shí)性不高的問題，提出一種融合快速排序的碼本模型。根據(jù)碼字的命中次數(shù)對(duì)碼本模型

2、中的碼字進(jìn)行冒泡排序，提高了活動(dòng)碼字首次匹配的成功率，提高了檢測(cè)算法的實(shí)時(shí)性。
　　 在運(yùn)動(dòng)目標(biāo)跟蹤方面，本文重點(diǎn)研究了CamShift跟蹤算法，針對(duì)傳統(tǒng)CamShift算法是半自動(dòng)的且在背景與運(yùn)動(dòng)目標(biāo)顏色相近時(shí)容易發(fā)生目標(biāo)丟失的問題。本文提出了一種改進(jìn)的多特征融合的自適應(yīng)跟蹤算法，首先利用Codebook提取出運(yùn)動(dòng)目標(biāo)，然后將CamShift算法中運(yùn)動(dòng)單一的目標(biāo)模型更新為由顏色、形狀及紋理特征融合的多特征模型，既做到了自動(dòng)跟蹤

3、又增加了描述目標(biāo)模型的魯棒性和可靠性。
　　 在攝像機(jī)標(biāo)定方面，本文采用了基于特定的投影規(guī)則的自標(biāo)定法相結(jié)合的方法，建立了河面三維坐標(biāo)系與圖像二維坐標(biāo)系投影模型，并通過非線性回歸方法求解出投影模型參數(shù)。該模型可以將視頻序列中的運(yùn)動(dòng)船舶的位置映射到現(xiàn)實(shí)世界坐標(biāo)系中，實(shí)現(xiàn)了圖像坐標(biāo)系與世界坐標(biāo)系之間的轉(zhuǎn)換關(guān)系。
　　 本文最后在VC++6.0平臺(tái)上，利用OpenCV中的庫函數(shù)對(duì)圖像序列中的運(yùn)動(dòng)目標(biāo)的跟蹤和攝像機(jī)標(biāo)定算法進(jìn)行了