運動目標跟蹤算法及應(yīng)用研究.pdf

1、首先本文具體介紹了運動目標識別與跟蹤方法在國內(nèi)外的發(fā)展與研究的狀況，并且對相關(guān)的算法做了簡要的說明。然后針對目標識別與跟蹤方法，本文分別詳細介紹和說明了粒子濾波跟蹤算法與Camshift跟蹤算法，并對兩種跟蹤算法分別做了相應(yīng)的對比跟蹤實驗來說明各自的特性及其優(yōu)缺點。對兩種跟蹤算法所適用的跟蹤環(huán)境進行了分析，當(dāng)目標與背景顏色差異比較大時，粒子濾波跟蹤算法和Camshift算法能夠有效的跟蹤目標，但是當(dāng)目標與背景顏色差異較小或者目標處于復(fù)雜

2、背景區(qū)域時目標跟蹤就會產(chǎn)生偏差，甚至無法準確的跟蹤目標。
　　為提高復(fù)雜背景下上述兩種跟蹤算法的穩(wěn)定性與準確性，在兩種基本算法的基礎(chǔ)上，分別提出了各自的改進算法來改善其在復(fù)雜背景下的跟蹤性能。提出基于顯著性直方圖模型的粒子濾波跟蹤方法。通過對比目標與背景區(qū)中像素色調(diào)的分布，確定出不同色調(diào)等級的顯著性權(quán)值，從而建立起目標的顯著性直方圖模型。顯著性直方圖模型可抑制背景中與目標具有相似色調(diào)的區(qū)域?qū)δ繕俗R別的干擾，突出目標顯著色調(diào)在目標識

3、別中的作用，從而提高目標識別的準確性。提出了基于邊緣抑制的Camshifi跟蹤算法。利用上一幀目標的位置和大小通過權(quán)值函數(shù)，在反向投影圖中降低目標邊緣的亮度權(quán)值，被抑制的邊緣可以有效的區(qū)分目標和背景，削弱質(zhì)心向背景方向迭代的趨勢，提高目標識別的準確性。
　　仿真實驗結(jié)果表明，本文提出的兩種算法都能改善目標跟蹤的準確性和穩(wěn)定性，且計算量增加不多，能夠滿足電視跟蹤系統(tǒng)實時性的要求。
　　最后將本文提出的兩種改進跟蹤算法應(yīng)用到智能