基于雙目視覺地面自標(biāo)定算法的目標(biāo)檢測與跟蹤.pdf

1、目標(biāo)檢測與跟蹤作為機(jī)器視覺領(lǐng)域中最重要的研究課題之一，已成為當(dāng)今智能時(shí)代的關(guān)鍵技術(shù)。其廣泛應(yīng)用于各個(gè)行業(yè)和領(lǐng)域，成為了人們生活的一部分，例如人機(jī)交互體驗(yàn)、公共安全監(jiān)控、交通道路系統(tǒng)及軍事應(yīng)用等。目前，目標(biāo)檢測與跟蹤技術(shù)在性能上還存在很大的提升空間，本文旨在為目標(biāo)檢測與跟蹤算法性能做出優(yōu)化，從而提升檢測與跟蹤的準(zhǔn)確率、速度和穩(wěn)定性。
　　首先，對于單目攝像機(jī)采集的圖像，目標(biāo)跟蹤難以解決以下幾個(gè)難題：（1）多目標(biāo)之間相互遮擋；（2）目

2、標(biāo)陰影造成的干擾；（3）外觀多樣性對跟蹤結(jié)果造成影響等。本文基于雙目視覺，恢復(fù)目標(biāo)三維場景特征，有效地解決了目標(biāo)遮擋以及陰影干擾帶來的問題，從而提高目標(biāo)檢測與跟蹤的準(zhǔn)確率。
　　其次，目前很多基于雙目視覺跟蹤算法通過獲得場景稠密深度信息圖，并對目標(biāo)進(jìn)行立體建模，實(shí)現(xiàn)對目標(biāo)進(jìn)行檢測與跟蹤。但這需要計(jì)算每個(gè)像素點(diǎn)的深度信息，因此跟蹤速度較慢。本文通過提取場景稀疏的Harris特征點(diǎn)，并手動(dòng)設(shè)定監(jiān)控區(qū)域，過濾背景的特征點(diǎn)，從而減小算法計(jì)

3、算復(fù)雜度，加快目標(biāo)檢測與跟蹤的速度。根據(jù)目標(biāo)形狀特征，構(gòu)建核函數(shù)，并使用Mean-shift爬山算法對稀疏特征點(diǎn)進(jìn)行聚類檢測。以行人跟蹤為例，行人在地面投影類似橢圓，Mean-shift聚類時(shí)構(gòu)造位置橢圓核函數(shù)。這樣不僅能加快目標(biāo)檢測速度，而且可以避免因目標(biāo)顏色、紋理等變化對檢測結(jié)果帶來干擾，具有更廣泛的應(yīng)用意義。根據(jù)檢測結(jié)果，利用卡爾曼濾波算法可以建立序列圖像相鄰幀之間目標(biāo)位置關(guān)系，從而對目標(biāo)進(jìn)行跟蹤。
　　坐標(biāo)系，更好地對目標(biāo)

4、特征點(diǎn)進(jìn)行處理。但是一旦相機(jī)發(fā)生微小的偏移，可能會(huì)嚴(yán)重影響目標(biāo)檢測與跟蹤結(jié)果。對于直立細(xì)長的目標(biāo)，不同目標(biāo)的特征點(diǎn)在地面上投影分得最開。因此本文根據(jù)已有的檢測結(jié)果，利用LDA算法求解投影平面，使得不同目標(biāo)特征點(diǎn)分得最開，根據(jù)分析和實(shí)驗(yàn)結(jié)果驗(yàn)證可知，該平面即為地面。通過該方法可以自適應(yīng)校正平面方程，當(dāng)相機(jī)發(fā)生微小偏移時(shí)，可以自適應(yīng)調(diào)節(jié)相機(jī)坐標(biāo)系與世界坐標(biāo)系之間的關(guān)系，從而增強(qiáng)系統(tǒng)的穩(wěn)定性。
　　本文對不同場景進(jìn)行大量實(shí)驗(yàn)，結(jié)果表明，