基于改進(jìn)Camshift的動(dòng)態(tài)場景運(yùn)動(dòng)目標(biāo)跟蹤算法研究.pdf

1、視覺跟蹤作為計(jì)算機(jī)視覺中的重要研究領(lǐng)域，在智能交通、生物醫(yī)學(xué)等領(lǐng)域應(yīng)用廣泛，具有重要的研究價(jià)值。在眾多的視覺跟蹤算法中，Camshift算法是以顏色直方圖為匹配特征的自適應(yīng)跟蹤算法，具有平移、尺度和旋轉(zhuǎn)不變性等優(yōu)點(diǎn)，被廣泛應(yīng)用于視覺跟蹤領(lǐng)域。但在動(dòng)態(tài)場景中，背景變化、遮擋及光照等干擾都會(huì)影響該算法的跟蹤效果，甚至導(dǎo)致跟蹤失敗。
　　本文在研究動(dòng)態(tài)場景中常用的目標(biāo)檢測與跟蹤算法的基礎(chǔ)上，針對Camshift算法在復(fù)雜環(huán)境中易受干擾等

2、問題對其進(jìn)行改進(jìn)，并結(jié)合Kalman濾波來解決遮擋問題，以期達(dá)到提高算法在復(fù)雜環(huán)境中的跟蹤準(zhǔn)確性和實(shí)時(shí)性。本文的主要研究和工作內(nèi)容如下:
　　(1)本文首先分析了動(dòng)態(tài)場景中目標(biāo)跟蹤的難點(diǎn)及干擾因素，針對圖像序列中存在的噪聲像素，提出采用高通濾波法對噪聲像素進(jìn)行過濾，并對傳統(tǒng)手動(dòng)設(shè)置閾值的方法進(jìn)行改進(jìn)。然后建立前后幀間搜索框尺寸變化的關(guān)聯(lián)關(guān)系，防止搜索框尺寸發(fā)生突變。
　　(2)傳統(tǒng)Camshift算法在建立目標(biāo)顏色直方圖時(shí)，

3、只提取了目標(biāo)在色度H分量上的特征，而忽視了飽和度S分量上的特征信息。對此，本文提出采用H和S分量相結(jié)合的H-S二維直方圖，同時(shí)針對不同區(qū)域的像素對顏色直方圖的貢獻(xiàn)不同，對其進(jìn)行加權(quán)處理以提高目標(biāo)顏色信息的利用率。
　　(3)遮擋是視覺跟蹤中常見的干擾因素，由于Camshift算法是根據(jù)目標(biāo)表面的顏色信息進(jìn)行跟蹤，當(dāng)被部分遮擋時(shí)，跟蹤精度會(huì)降低;被完全遮擋時(shí)，則會(huì)跟蹤失敗。為解決遮擋問題，可引入Kalman濾波進(jìn)行軌跡預(yù)測，但該濾波

4、在遇到大面積遮擋時(shí)計(jì)算出的估計(jì)值誤差較大。對此本文提出對是否遇到大面積遮擋進(jìn)行判斷，若未遇到大面積遮擋，采用Kalman濾波預(yù)測，否則采用線性預(yù)測的方法進(jìn)行改進(jìn)，以提高遮擋狀況下的跟蹤準(zhǔn)確性和魯棒性。
　　最后，在Win7系統(tǒng)下，使用VC++6.0和視覺庫OpenCV中的現(xiàn)有函數(shù)編程實(shí)現(xiàn)本文算法，并與傳統(tǒng)Camshift算法、結(jié)合Kalman的傳統(tǒng)Camshift算法進(jìn)行對比，通過分析上述算法在背景、遮擋和光照干擾下的跟蹤效果、每