運動目標的跟蹤算法研究.pdf

1、序列圖像的運動分析是諸多學術領域，如計算機視覺、人工智能、模式識別等廣泛關注的一個課題，指從靜態(tài)序列圖像中獲得關于運動物體以及運動本身的特征，包括運動目標是否存在，運動物體的識別以及運動目標的跟蹤等。這些研究成果具有廣泛的應用前景，如虛擬現(xiàn)實，智能監(jiān)控，人機交互等。 一個完整的運動分析過程包含四個階段：運動檢測，運動目標識別，運動目標跟蹤，運動目標動作分析與理解。這四個階段并不是一定要全部存在，而是取決于應用的場合。一般情況下運

2、動檢測和運動目標跟蹤是必要的，本文研究重點集中在這兩個階段。 運動目標檢測是將運動物體從序列圖像中提取出來的過程。這一階段是后續(xù)處理的基礎，具有重要意義。然而由于現(xiàn)實世界的復雜性比如光照的變化，影子以及干擾物等的存在，使得這一階段的處理并不簡單。目前幾乎所有的運動目標檢測算法都是建立在一定程度的限制和假設的基礎上，很難找到一個適用于所有應用場合的算法。本文采用特征點匹配法進行運動目標的提取，通過特征點匹配法來形成動態(tài)的背景模型，

3、并進行及時更新，使經(jīng)過更新后的背景模型能夠及時反映背景的動態(tài)變化。 當檢測到運動目標正確時，進行運動目標跟蹤。在這個階段，本文利用動態(tài)變化分布的非參數(shù)方法CamShift算法。CamShift算法根據(jù)運動目標的色彩信息對運動目標進行實時跟蹤，具有魯棒性和實時性的優(yōu)點。但是當運動目標速度較快或在遮擋時，容易發(fā)生跟蹤丟失。本文提出將CamShift算法和運動目標位移預測相結合的方法跟蹤運動物體，該方法不但可以有效的避免上述情況發(fā)生時