基于改進(jìn)主動(dòng)形狀模型的目標(biāo)跟蹤方法研究.pdf

1、運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域中的研究熱點(diǎn)之一，在人機(jī)交互、智能監(jiān)控、視頻編碼等領(lǐng)域具有重要的應(yīng)用意義。在跟蹤過程中，目標(biāo)特征的提取與匹配是關(guān)鍵技術(shù)，且需要具有一定的魯棒性能，才能為跟蹤的后續(xù)處理打下良好的基礎(chǔ)。
　　 傳統(tǒng)的一些目標(biāo)跟蹤方法能較為準(zhǔn)確的定位目標(biāo)所在的區(qū)域，但在跟蹤非剛性目標(biāo)時(shí)，由于目標(biāo)在運(yùn)動(dòng)過程中會(huì)發(fā)生不同程度的形變，使用區(qū)域信息難以實(shí)現(xiàn)對(duì)目標(biāo)特征的精確提取。基于可變形模型的方法能適應(yīng)非剛性目標(biāo)的形狀變化，在圖像

2、中準(zhǔn)確的提取目標(biāo)輪廓，應(yīng)用于跟蹤時(shí)具有較好的精確性。其中具有代表性的是主動(dòng)形狀模型方法(Active Shape Models，ASM)，ASM方法能在適應(yīng)目標(biāo)形狀較多變化的同時(shí)保持目標(biāo)的特異性，具有良好的魯棒性，可在較為復(fù)雜的環(huán)境中提取目標(biāo)輪廓。本文研究了ASM方法在靜態(tài)目標(biāo)輪廓提取方面的應(yīng)用，并提出了一種將ASM應(yīng)用于運(yùn)動(dòng)目標(biāo)跟蹤的方法，主要工作如下：
　　 1）改進(jìn)了ASM方法中的灰度模型。傳統(tǒng)ASM方法中的灰度模型包含了

3、部分背景的灰度信息，這使得當(dāng)目標(biāo)運(yùn)動(dòng)時(shí)，模型不能很好的適應(yīng)目標(biāo)附近背景的變化，從而導(dǎo)致匹配結(jié)果錯(cuò)誤。針對(duì)這個(gè)問題，本文改進(jìn)了傳統(tǒng)方法的灰度模型和搜索算法，剔除了對(duì)背景信息的建模，結(jié)合目標(biāo)內(nèi)部灰度信息和強(qiáng)邊緣特征搜索標(biāo)志點(diǎn)的最佳匹配位置，提高了運(yùn)動(dòng)過程中輪廓提取的速度和精確性。
　　 2）提出了一種在線提取和更新灰度模型的建模機(jī)制。在運(yùn)動(dòng)目標(biāo)跟蹤的應(yīng)用中，圖像中目標(biāo)的灰度信息難以事先獲得，而傳統(tǒng)ASM方法匹配效果的可靠性依賴于先驗(yàn)

4、的灰度模型，這限制了其在運(yùn)動(dòng)目標(biāo)跟蹤中的應(yīng)用。本文提出了一種在線建立和更新灰度模型的機(jī)制，擺脫了對(duì)目標(biāo)先驗(yàn)信息的依賴。
　　 3）引入Kalman濾波預(yù)測目標(biāo)位置，提高了在圖像序列中ASM方法的模型初始定位精度，進(jìn)而改善了目標(biāo)輪廓提取的精度和速度。
　　 4）設(shè)計(jì)了一種基于改進(jìn)ASM與Kalman濾波預(yù)測相結(jié)合跟蹤運(yùn)動(dòng)目標(biāo)的跟蹤流程。使用此跟蹤流程對(duì)人體目標(biāo)進(jìn)行了輪廓跟蹤，實(shí)驗(yàn)結(jié)果驗(yàn)證了本文方法的有效性、對(duì)目標(biāo)尺度變化的