復(fù)雜背景下動目標(biāo)圖像跟蹤方法的研究.pdf

1、圖像跟蹤技術(shù)是計算機(jī)視覺領(lǐng)域的核心課題之一，具有十分重要的意義和廣泛的實用價值。它融合了圖像處理、模式識別、人工智能、自動控制以及計算機(jī)應(yīng)用等相關(guān)領(lǐng)域的先進(jìn)技術(shù)和研究成果。圖像跟蹤的實質(zhì)是一種從圖像信號中實時自動識別目標(biāo)、提取目標(biāo)的位置信息、自動跟蹤目標(biāo)的技術(shù)。其難點在于利用不可靠的信息在復(fù)雜的應(yīng)用環(huán)境中獲得可靠的跟蹤效果。 本文以實際工程需求為背景，通過對動目標(biāo)識別與跟蹤算法的研究，找出解決復(fù)雜背景下目標(biāo)識別的方法，同時尋求一

2、種有效的途徑解決目標(biāo)跟蹤過程中的遮擋和旋轉(zhuǎn)問題，從而對實際采集的復(fù)雜背景下動目標(biāo)圖像序列進(jìn)行高速有效的跟蹤。 針對復(fù)雜背景下的目標(biāo)識別問題，本文采用了背景模型的自適應(yīng)更新法，較好地解決了背景擾動、外界光照變化等問題，從而有效地提取復(fù)雜背景下的目標(biāo)圖像。根據(jù)圖像序列相鄰兩幀間的時間間隔很小，使得目標(biāo)的灰度值不會發(fā)生突變的特點，研究了閾值分割算法，將Kalman濾波用于圖像分割的閾值預(yù)測與修正上，提出了基于預(yù)測的自適應(yīng)閾值分割方法，

3、保留了目標(biāo)的形狀特征，降低了背景影響。為了實現(xiàn)目標(biāo)檢測與跟蹤的可靠性，根據(jù)目標(biāo)的形狀特征，利用目標(biāo)的面積和形狀因子等標(biāo)量，濾除復(fù)雜背景中與目標(biāo)灰度值近似而形狀不同的噪聲。 本文中跟蹤的目標(biāo)為類長方形，目標(biāo)不僅隨著質(zhì)心做整體運動，而且還圍繞著質(zhì)心做旋轉(zhuǎn)運動，并且多個目標(biāo)間、目標(biāo)與干擾物等發(fā)生互遮擋和自遮擋。為了克服旋轉(zhuǎn)和遮擋，精確的跟蹤目標(biāo)，首先采用了Susan角點提取算法，準(zhǔn)確、高速地提取出目標(biāo)的特征點。然后利用基于特征點的點模

4、式匹配算法，根據(jù)目標(biāo)的特征點不僅可以完好表征目標(biāo)的形狀，而且具有旋轉(zhuǎn)不變性的特點，從而解決了目標(biāo)的旋轉(zhuǎn)和輕微的遮擋問題。為了提高點模式匹配算法的運算速度，根據(jù)圖像序列相鄰兩幀間目標(biāo)旋轉(zhuǎn)角度和縮放尺度是有限的，本文提出了將Kalman濾波用于對目標(biāo)旋轉(zhuǎn)角度的預(yù)測與修正上，并加入了目標(biāo)尺度約束條件，從而提高了匹配速度，滿足高速實時處理需求。針對在連續(xù)數(shù)幀內(nèi)，目標(biāo)有可能被完全遮擋或丟失的情況，采用了基于置信度二級判決門限和虛警概率最小的模版更