基于機器視覺的模型測量靶標的跟蹤研究.pdf

1、隨著信息技術迅速發(fā)展，基于機器視覺的目標跟蹤技術在很多領域具有廣泛的應用價值。目標跟蹤涉及到圖像處理、模式識別以及人工智能等諸多領域，是一門交叉性很強的學科。在對目標進行跟蹤的過程中，目標自身特征的多樣性、運動場景的復雜性和跟蹤過程遇到的問題（如遮擋、光照、防射變換、相似目標物干擾），都構成了限制目標跟蹤算法性能的影響因素。因此研究一種具有實時性、準確性、魯棒性的運動目標跟蹤方法依然是該領域面臨的一個巨大挑戰(zhàn)。
　　本文對基于機器

2、視覺的模型測量靶標的動態(tài)跟蹤算法進行研究。根據(jù)跟蹤系統(tǒng)的特點，首先以圓作為基本結構設計測量靶標，并對靶標識別定位。根據(jù)圓的特性，采用圓參數(shù)優(yōu)化方法提取靶標亞像素級的中心坐標，并通過不同的仿真實驗和評價指標對提取精度進行分析，表明設計靶標的適用性和中心定位的精確性。
　　為了滿足目標跟蹤系統(tǒng)的實時需求，本文選擇了計算量較小的Mean shift跟蹤算法，分析該跟蹤算法容易出現(xiàn)跟蹤失效等不足。針對光照不均勻影響問題，本文提出融合頂帽變

3、換的Mean shift跟蹤算法，提高了運動目標檢測的完整性，進而增加了目標跟蹤的準確性。
　　針對Mean shift目標跟蹤算法存在尺度更新策略缺陷，以及在跟蹤過程中出現(xiàn)遮擋、防射變換等復雜情況下跟蹤不穩(wěn)定，本文采用基于SIFT尺度不變特征的Meanshift跟蹤算法，在跟蹤過程中，采用SIFT算子的局部描述和RANSAC算法實現(xiàn)對錯誤匹配點的剔除。通過在復雜環(huán)境下進行目標跟蹤實驗，并提取目標運動軌跡曲線進行對比分析說明，實驗