目標(biāo)跟蹤過程中的遮擋問題研究.pdf

1、運動目標(biāo)跟蹤技術(shù)是計算機視覺領(lǐng)域的核心課題之一,具有十分重要的意義和廣泛的實用價值.它融合了圖像處理、模式識別、人工智能、自動控制以及計算機應(yīng)用等相關(guān)領(lǐng)域的先進技術(shù)和研究成果.運動目標(biāo)跟蹤的實質(zhì)是一種從圖像信號中實時自動識別目標(biāo),提取目標(biāo)的位置信息,自動跟蹤目標(biāo)的技術(shù).它的難點在于圖像信號采集過程中的信息損失和復(fù)雜的應(yīng)用環(huán)境.特別是跟蹤過程中的遮擋問題越來越成為限制跟蹤算法實用性的關(guān)鍵因素.如何解決運動目標(biāo)跟蹤過程中的遮擋問題是本文的研

2、究重點.本文首先分析了基于平移運動模型的傳統(tǒng)相關(guān)跟蹤算法,從映射函數(shù)、模板更新方面提高其精度,從匹配搜索策略方面的改進提高其實時性.然后討論了基于Hausdorff距離的匹配跟蹤算法,并從算法實現(xiàn)的各個步驟著手進一步提高其魯棒性.本文采用Susan角點檢測提取特征點,該方法具有特征點提取準(zhǔn)確,簡單快捷的優(yōu)點,適用于高速跟蹤算法的底層處理;并對基于Hausdorff距離的匹配策略進行改進,提高其匹配運算的速度.將它與相關(guān)跟蹤算法進行對比性

3、實驗,對實驗結(jié)果的分析說明基于Hausdorff距離的匹配跟蹤算法表現(xiàn)出良好的抗遮擋性能,明顯優(yōu)于基于灰度的相關(guān)跟蹤算法.但是該算法有一定的適用范圍,對于目標(biāo)面積較小、幾何特征不明顯、目標(biāo)灰度與背景灰度相接近的情況下,無法取得計算Hausdorff距離的基礎(chǔ)——特征點點集.在這種情況下,需要尋求新的解決方案,本文采取利用kalman濾波器來改善相關(guān)跟蹤性能的方法來解決這個問題.在系統(tǒng)地研究了kalman濾波器的定義、性質(zhì)及其在跟蹤算法中