Robocup武術(shù)擂臺賽視頻中運動目標的檢測與跟蹤.pdf

1、運動目標的檢測與跟蹤目前是在視覺識別領(lǐng)域中一個十分具有價值的研究方向。已被廣泛地應用于民用、軍用和生活等方面，例如在航空和軍用飛機的制導，無人機自動駕駛、基于戰(zhàn)斗機的武器瞄準系統(tǒng)、交通流量的監(jiān)測，醫(yī)學生物組織分析，因此，在復雜的場景中準確的捕捉到運動目標將至關(guān)要緊。
　　本文主要研究攝像機固定的情況下運動目標的跟蹤算法，提出了一種基于改進的卡爾曼濾波跟蹤算法。首先，本文敘述了四種常見的目標檢測方法，并分析歸納這些算法的優(yōu)缺點，通過

2、幀間差分法分別檢測地面滾動小球視頻和動態(tài)小龍視頻中的段運動目標，驗證了算法的有效性后，再對武術(shù)擂臺賽視頻中運動小車進行檢測。
　　其次，介紹了目前幾種常見的運動目標跟蹤算法，如基于區(qū)域和運動特性、主動輪廓、神經(jīng)網(wǎng)絡匹配的目標跟蹤方法。重點闡述了卡爾曼濾波算法，對其進行了細致的分析說明，敘述了該算法的基本原理，列出了卡爾曼濾波的狀態(tài)方程以及觀測方程，分析該算法的實現(xiàn)過程，總結(jié)傳統(tǒng)算法中存在的不足之處;在這一基礎(chǔ)上，提出一種改進的卡爾

3、曼濾波算法，很大程度上提高了算法的實時性和準確性，完成了對運動目標的跟蹤。
　　最后，通過處理籃球自由下落視頻和Robocup武術(shù)擂臺賽小車視頻，在MATLAB仿真軟件環(huán)境下，對兩段視頻中運動物體進行跟蹤，驗證改進后的卡爾曼濾波算法，同時與傳統(tǒng)的卡爾曼濾波算法的跟蹤結(jié)果作比較，由跟蹤效果圖可以明顯的看出:改進的卡爾曼跟蹤算法比傳統(tǒng)的跟蹤算法在跟蹤效果上得到了明顯的提升，即使運動物體速度發(fā)生較大改變時依然具有很好的跟蹤效果。說明了本