基于局部特征的視頻目標(biāo)跟蹤方法研究.pdf

1、視頻目標(biāo)跟蹤在現(xiàn)代化智能交通系統(tǒng)、智能監(jiān)控系統(tǒng)、醫(yī)學(xué)導(dǎo)航手術(shù)器械定位以及軍事目標(biāo)檢測(cè)等方面具有十分廣泛的應(yīng)用價(jià)值，但實(shí)際環(huán)境下的視頻目標(biāo)跟蹤往往情況復(fù)雜多變，現(xiàn)有的許多目標(biāo)跟蹤算法都是在某些方面具有比較強(qiáng)大的處理能力，但至今為止沒有一種方法可以完美適應(yīng)所有的復(fù)雜情況?；诰植刻卣鞯哪繕?biāo)跟蹤也只是在一定程度上可以克服某些困難，實(shí)現(xiàn)較準(zhǔn)確的目標(biāo)檢測(cè)和跟蹤，但對(duì)其的不斷探索和優(yōu)化正是將跟蹤一步步完善的必經(jīng)之路。對(duì)基于局部特征的視頻目標(biāo)跟蹤方法

2、進(jìn)行分析和深入研究具有十分重要的意義和實(shí)用價(jià)值。本文主要圍繞基于局部特征的目標(biāo)檢測(cè)和跟蹤方法進(jìn)行研究，主要內(nèi)容如下：
　?。?）對(duì)視頻目標(biāo)跟蹤的發(fā)展歷程和關(guān)鍵技術(shù)展開全面的探討，在軍用和民用領(lǐng)域列舉了視頻跟蹤技術(shù)的應(yīng)用價(jià)值。并對(duì)現(xiàn)有目標(biāo)跟蹤算法分成幾大類分類探討，從總體上進(jìn)行分析描述。
　?。?）對(duì)尺度不變特征變換（Scale invariant feature transform，SIFT）和快速魯棒特征（Speed Up

3、 Robust Features，SURF）算法細(xì)節(jié)進(jìn)行深入詳細(xì)的分析，比較二者區(qū)別，并進(jìn)行實(shí)驗(yàn)仿真，然后依據(jù)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行結(jié)果分析比較，展示了局部特征算法在圖像處理中的豐富、獨(dú)特、穩(wěn)定等等優(yōu)越的性能。
　?。?）將快速魯棒特征（Speed Up Robust Features，SURF）算法和最優(yōu)塊優(yōu)先（best bin first，BBF）算法相結(jié)合以提高特征匹配階段的速度，并提出一種跟蹤窗口和模板更新策略，前者可以使跟蹤窗口自

4、適應(yīng)的在跟蹤過程中根據(jù)目標(biāo)大小變化而變化，模板更新策略則更優(yōu)化的處理了的在跟蹤過程中出現(xiàn)的部分遮擋或目標(biāo)完全消失等情況。本文結(jié)合以上算法思想，以VS2005為開發(fā)平臺(tái)，結(jié)合OpenCV，在PC上完成了實(shí)驗(yàn)性的基于SURF特征的目標(biāo)跟蹤系統(tǒng)。
　　經(jīng)過多組實(shí)驗(yàn)數(shù)據(jù)測(cè)試，跟蹤系統(tǒng)在處理視頻目標(biāo)跟蹤時(shí)在遇到尺度變換、仿射變換、光照改變及部分遮擋的情況時(shí)可以實(shí)現(xiàn)較好的跟蹤效果，并且可以滿足實(shí)時(shí)性，達(dá)到了預(yù)期目標(biāo)。本文所做的研究為目標(biāo)跟蹤、