基于特征點的目標(biāo)檢測與跟蹤方法研究.pdf

1、目標(biāo)檢測和跟蹤是計算機(jī)視覺研究領(lǐng)域中的一個熱點和難點問題，廣泛地應(yīng)用于交通監(jiān)控、人機(jī)交互、精確制導(dǎo)、光電導(dǎo)航等各個方面。對成像目標(biāo)跟蹤系統(tǒng)，其關(guān)鍵技術(shù)主要包括兩個方面：一是運動目標(biāo)的檢測技術(shù)；二是運動目標(biāo)的跟蹤技術(shù)，其中，運動目標(biāo)檢測是目標(biāo)跟蹤系統(tǒng)任務(wù)最為關(guān)鍵的技術(shù)。
　　本文圍繞復(fù)雜背景下目標(biāo)檢測與跟蹤的難點問題，開展了有關(guān)圖像特征點的檢測方法研究，在此基礎(chǔ)上，提出了一種基于圖像特征點的目標(biāo)跟蹤方法。論文主要研究工作與貢獻(xiàn)包括以

2、下幾個方面：
　　(1)論述了幾種經(jīng)典的圖像特征點檢測方法，如Moravec角點檢測方法，Harris角點檢測方法，SUSAN角點檢測方法等，并對這些方法進(jìn)行了計算機(jī)仿真，分析了這幾種方法各自的優(yōu)缺點和適用性。
　　(2)論述了一種新的特征點檢測方法，即尺度不變特征變換(Scale Invariance Feature Transform，SIFT)。同時，針對該方法在實際應(yīng)用中計算效率低的問題，對SIFT計算中尺度空間求極

3、值環(huán)節(jié)采用了分層計算的思想，極大地節(jié)約了運算成本，可以滿足后續(xù)跟蹤系統(tǒng)的實時性要求。
　　(3)提出了一種基于SIFT特征點檢測的KLT(Kanade-Lucas-Tomasi)跟蹤方法。通過實際仿真，證明了該方法可以有效檢測視頻圖像中的特征點，為后續(xù)運動目標(biāo)的跟蹤提供依據(jù)。
　　(4)建立了基于特征點的運動目標(biāo)跟蹤流程。并在有效特征點提取與檢測的基礎(chǔ)上，對KLT算法進(jìn)行了改進(jìn)，將Kalman濾波應(yīng)用于KLT跟蹤，利用Kal