基于視覺的運動目標跟蹤方法研究.pdf

1、基于視覺的目標跟蹤廣泛應(yīng)用于視頻監(jiān)控、圖像壓縮、三維重構(gòu)、機器人技術(shù)等各個領(lǐng)域,因此對基于視覺的目標跟蹤方法的研究具有十分重要的意義。由于物體的突然運動、目標或背景突然改變其外部表現(xiàn)形式、目標的非剛性結(jié)構(gòu)、目標之間的遮擋、目標和背景之間的遮擋,以及攝像頭的運動等使得目標的實時跟蹤非常困難。針對這些問題,論文著重研究如何改善目標跟蹤的效果,對相應(yīng)的理論和方法進行了深入的研究,為目標跟蹤在實際中的應(yīng)用提供理論和技術(shù)支持。論文的主要工作有以下

2、四個方面。
　　 (1)針對攝像機運動造成的背景變化問題,研究了運動補償方法,通過在連續(xù)兩幀圖像中找到一組對應(yīng)的主要特征點來擬合坐標變換關(guān)系,很好地消除因攝像機運動產(chǎn)生的背景誤差；提出了一種改進的高斯建模算法,引入風險決策應(yīng)用于前景目標的突變判斷中,提高目標檢測效果；提出一種基于攝像機視角的立體視覺目標定位方法,避免了攝像機標定環(huán)節(jié),直接利用攝像機視角參數(shù)分析攝像機在不同位置對同一目標拍攝兩幅圖像,根據(jù)圖像中目標點的象素坐標定位

3、出該點在實際三維空間中的坐標。
　　 (2)針對目標部分被遮擋或背景因素干擾時跟蹤精度降低問題,將背景和目標分別進行加權(quán),通過背景加權(quán)改善對目標特征的描述,同時對目標的不同部位賦予大小不等的權(quán)值,有效的提高了Bhattacharyya系數(shù)值。從原算法對目標模型的描述出發(fā),將其加入到Mean Shift算法的數(shù)學(xué)模型表達式中。實驗表明其跟蹤效果得到了明顯改善。
　　 (3)實時的目標跟蹤過程中,跟蹤的窗口也要適時的隨著目標

4、大小的變化而變化。以mean shift算法為基礎(chǔ),利用概率檢測法定位目標在各幀圖像中的中心點,提出了一種自適應(yīng)更新窗口的算法,同時結(jié)合歸一化轉(zhuǎn)動慣量NMI對目標進行識別,定位中心標識的對象。實驗結(jié)果表明,該方法能在目標尺寸放大或縮小時選擇合適的跟蹤窗口,而且具有較強的跟蹤抗干擾性。
　　 (4)針對基于顏色信息的粒子濾波跟蹤算法在光照變化和相似背景條件下存在的缺點,結(jié)合目標的紋理特征、顏色特征和運動特征,提出了一種多信息融合粒