基于Camshift和Kalman濾波的多目標(biāo)跟蹤算法研究.pdf

1、運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是計(jì)算機(jī)視覺研究的主要問題之一，它融合了圖像處理、模式識(shí)別、人工智能、自動(dòng)控制以及計(jì)算機(jī)等眾多領(lǐng)域的先進(jìn)技術(shù)，在軍事視覺制導(dǎo)、醫(yī)學(xué)圖像診斷、視頻監(jiān)控、智能交通等方面都有廣泛應(yīng)用，因此本課題研究具有重要的理論意義和實(shí)際價(jià)值。
　　 然而運(yùn)動(dòng)目標(biāo)的多樣性和所處環(huán)境的復(fù)雜性，給運(yùn)動(dòng)目標(biāo)檢查和跟蹤帶來巨大困難，使其成為計(jì)算機(jī)視覺和圖像處理領(lǐng)域有待解決的一個(gè)經(jīng)典難題。因此，本論文著眼于特定算法的實(shí)用性，開展一些關(guān)鍵問題的

2、探索研究。為此，本文研究的主要內(nèi)容包括以下幾個(gè)方面：
　　 首先多運(yùn)動(dòng)目標(biāo)檢測(cè)與標(biāo)定方面，主要研究了幾種常用的目標(biāo)檢測(cè)和標(biāo)定方法，并對(duì)各種算法的優(yōu)劣進(jìn)行了分析。針對(duì)瞬時(shí)差分法提取目標(biāo)不完整的缺點(diǎn)，本文采用三幀差分結(jié)合Canny邊緣檢測(cè)算法來檢測(cè)目標(biāo)，利用像素標(biāo)定法，標(biāo)定出目標(biāo)個(gè)數(shù)、大小、位置。實(shí)現(xiàn)了對(duì)多個(gè)目標(biāo)精確的提取，為下一步的跟蹤算法做前期準(zhǔn)備。
　　 其次目標(biāo)跟蹤算法方面首先研究了基于Camshift和Kalman

3、濾波結(jié)合的改進(jìn)多目標(biāo)跟蹤算法。針對(duì)目標(biāo)跟蹤中常出現(xiàn)的大面積與目標(biāo)顏色相近的背景干擾和目標(biāo)嚴(yán)重遮擋導(dǎo)致跟蹤丟失的問題，提出了一種基于Camshift和Kalman濾波結(jié)合的改進(jìn)多目標(biāo)跟蹤算法。當(dāng)出現(xiàn)大面積與目標(biāo)顏色相近的背景干擾時(shí)，啟動(dòng)ROI(感興趣區(qū)域)幀差法，把不運(yùn)動(dòng)的干擾背景濾除掉。當(dāng)目標(biāo)被嚴(yán)重遮擋時(shí)，采用Kalman預(yù)測(cè)值代替Camshift計(jì)算出的最優(yōu)位置值，并且將Kalman預(yù)測(cè)值作為Kalman濾波更新的觀測(cè)值，有效克服嚴(yán)重

4、遮擋導(dǎo)致Kalman濾波失效的問題。
　　 然后研究了Kalman濾波結(jié)合S(Smoothness)值的多目標(biāo)跟蹤算法。由于Camshift算法是基于目標(biāo)顏色為特征的跟蹤方法，不能對(duì)灰度圖像進(jìn)行處理，針對(duì)上述情況研究了Kalman濾波結(jié)合S(Smoothness)值的多目標(biāo)跟蹤算法。通過分析比較各運(yùn)動(dòng)對(duì)象的運(yùn)動(dòng)軌跡，利用運(yùn)動(dòng)目標(biāo)方向和位置信息，來對(duì)目標(biāo)進(jìn)行區(qū)分匹配，從而確定當(dāng)前幀中的運(yùn)動(dòng)對(duì)象。
　　 最后建立了運(yùn)動(dòng)目標(biāo)自