視頻圖像序列目標(biāo)跟蹤算法及其應(yīng)用研究.pdf

1、視頻圖像序列目標(biāo)跟蹤是目前計算機視覺領(lǐng)域研究的熱點問題之一，它廣泛應(yīng)用于智能監(jiān)控、智能交通、汽車輔助駕駛、精確制導(dǎo)等民用和軍事領(lǐng)域，因此，對圖像序列中的感興趣目標(biāo)進行檢測與分析具有非常重要的現(xiàn)實意義。論文圍繞圖像序列目標(biāo)跟蹤中的運動目標(biāo)檢測、目標(biāo)跟蹤、多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法和遮擋處理等重點與難點問題展開研究，并將這些方法應(yīng)用于視頻監(jiān)控以及相關(guān)領(lǐng)域，為其目標(biāo)檢測與跟蹤提供理論支持與應(yīng)用指導(dǎo)。論文的主要工作包括以下四個方面。
　　 (1

2、)針對復(fù)雜場景下運動目標(biāo)難以提取和分割問題，在深入分析現(xiàn)有算法的基礎(chǔ)上，提出一種新穎的運動目標(biāo)檢測方法，該方法首先對相鄰圖像幀進行基于SAD的塊匹配獲取視差圖，然后通過對視差圖及其直方圖分析，提取場景中的運動目標(biāo)及其運動信息，實現(xiàn)場景中動態(tài)目標(biāo)檢測；對于車載攝像機的目標(biāo)檢測，采用毫米波(MMW)雷達與圖像序列相結(jié)合的方法實現(xiàn)智能車對前方障礙物的檢測，針對多傳感器之間標(biāo)定需傳感器內(nèi)外參數(shù)等復(fù)雜性操作問題，提出一種基于運動檢測的毫米波雷達與

3、攝像機之間的標(biāo)定方法，該方法有效地實現(xiàn)毫米波雷達數(shù)據(jù)與圖像數(shù)據(jù)之間的映射；針對智能車輛根據(jù)車道線進行安全導(dǎo)航的要求，將改進的Otsu圖像分割算法與KF濾波估計算法相結(jié)合，實現(xiàn)對結(jié)構(gòu)化道路車道線的魯棒檢測與實時跟蹤。
　　 (2)對常用跟蹤濾波器卡爾曼濾波(KF)、擴展卡爾曼濾波(EKF)、無跡卡爾曼濾波(UKF)和粒子濾波(PF)算法進行了深入研究與實驗分析，實驗結(jié)果表明，UKF算法較之其它濾波算法具有較好的綜合濾波性能；對EK

4、F建議和UKF建議的PF算法以及PF算法進行深入研究與實驗分析，實驗結(jié)果表明UKF建議的PF算法具有較高的估計精度，同時進一步驗證了UKF算法的優(yōu)越性；針對Mean shift算法由于其理論缺陷容易導(dǎo)致跟蹤快速運動目標(biāo)時容易跟丟的問題，提出一種基于無跡卡爾曼波的Mean shift實時目標(biāo)跟蹤算法，該算法先用UKF算法對目標(biāo)狀態(tài)進行估計，再由Meanshift算法在此估計鄰域定位目標(biāo)的準(zhǔn)確位置，實驗結(jié)果表明改進的Meanshift目標(biāo)跟

5、蹤算法較傳統(tǒng)Mean shift算法具有較好的跟蹤性能。
　　 (3)針對多目標(biāo)跟蹤時的數(shù)據(jù)關(guān)聯(lián)問題，對最近鄰(NN)、概率數(shù)據(jù)關(guān)聯(lián)(PDA)、聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(JPDA)和多假設(shè)(MHT)等多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法進行深入研究與實驗分析，實驗結(jié)果驗證了MHT算法能有效處理密集雜波環(huán)境下的數(shù)據(jù)關(guān)聯(lián)問題；針對圖像序列多目標(biāo)數(shù)據(jù)關(guān)聯(lián)的特殊性，提出一種基于UKF-MHT的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法，該方法先采用核直方圖描述目標(biāo)，引入巴氏系數(shù)度量觀測

6、與先驗?zāi)繕?biāo)的相似性，并由此建立假設(shè)關(guān)聯(lián)矩陣。將所提出的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)方法應(yīng)用于場景中多目標(biāo)數(shù)據(jù)關(guān)聯(lián)，實驗結(jié)果表明所提出的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法的有效性和可行性。
　　 (4)針對視頻圖像序列目標(biāo)跟蹤中的遮擋問題，提出一種帶遮擋關(guān)系的UKF-PF遮擋跟蹤算法。該算法首先對目標(biāo)狀態(tài)進行預(yù)測估計，并對可能存在的遮擋目標(biāo)進行遮擋檢測，再對遮擋目標(biāo)及遮擋區(qū)域進行自適應(yīng)柵格分塊；然后對遮擋區(qū)域柵格塊通過相似性度量進行分類，由此建立目標(biāo)之間的遮擋