基于全景移動機器人的運動目標(biāo)檢測與跟蹤.pdf

1、隨著社會和科技的進步，視頻監(jiān)控被廣泛的應(yīng)用于軍事和社會生活的諸多領(lǐng)域。一般攝像機視野較窄，很難同時完整的監(jiān)視360度視場范圍內(nèi)的外界環(huán)境。由于全景視覺能夠同時全方位的監(jiān)視360度視野內(nèi)的環(huán)境信息，很好的彌補了普通相機視野較窄的缺點。隨著社會老齡化的加快，運動目標(biāo)檢測技術(shù)能夠用于對獨居老人生活狀態(tài)的監(jiān)視，同時在現(xiàn)代戰(zhàn)爭中目標(biāo)檢測跟蹤技術(shù)也可以用于導(dǎo)彈的攔截。在許多實際場合，運動目標(biāo)往往會運動速度較快，或者被其他物體遮掩。因此，對視頻監(jiān)控中

2、運動目標(biāo)快速、有效的檢測和跟蹤是一大難點，本文主要圍繞這一問題主要做了如下工作：
　　本文首先對常用的目標(biāo)檢測方法做了深入研究。主要研究了連續(xù)的幀間差分法，其中分別研究了二幀和三幀差分法，同時還對背景差分法做了深入研究。最后通過實驗對這幾種方法進行了對比分析，為了更好的突出檢測后的目標(biāo)區(qū)域，文中還對形態(tài)學(xué)濾波和連通性分析做了研究。其次，對于目標(biāo)跟蹤方法，主要研究了M eanShift跟蹤算法。通過詳細的M eanShift理論的推

3、導(dǎo)，完整闡述了M eanShift算法的跟蹤原理。鑒于使用傳統(tǒng)的M eanShift算法跟蹤時，對目標(biāo)的跟蹤窗口其大小在整個跟蹤過程中都是固定不變的。然而現(xiàn)實中目標(biāo)在運動的過程中，在圖像中成像的大小并非一成不變的。如果僅使用尺寸大小固定的窗口跟蹤目標(biāo)時，難免會引入大量的背景信息或者無法完整的提取目標(biāo)的全部特征，這些都為準(zhǔn)確的跟蹤帶來較大困難。因此，本文通過引入窗口自適應(yīng)變化的策略以提高對運動目標(biāo)跟蹤的正確率。再次，由于文中實驗所用的全景

4、攝像機裝配原因，在全景圖像的環(huán)形視野內(nèi)會存在三個柱形遮擋區(qū)域，當(dāng)目標(biāo)被遮掩時，使用單獨M eanShift算法很難實現(xiàn)準(zhǔn)確的跟蹤效果。本文首先根據(jù)貝葉斯估計推導(dǎo)出kalman濾波器模型的構(gòu)造過程，然后通過引入了kalman濾波器，并運用它的預(yù)測功能實現(xiàn)了在一定程度上改善由于攝像機視野內(nèi)出現(xiàn)較大遮擋物時，單純的使用M eanShift算法跟蹤效果不理想的現(xiàn)象。最后，在上述研究的基礎(chǔ)上，通過全景移動機器人平臺，搭建檢測與跟蹤的實驗環(huán)境，同時