基于主動視覺的運動目標(biāo)檢測與跟蹤研究.pdf

1、隨著人們對機器視覺的研究,該領(lǐng)域已從靜態(tài)視覺系統(tǒng)發(fā)展到主動視覺系統(tǒng)。主動視覺系統(tǒng)模擬人的視覺的主動性,可根據(jù)任務(wù)要求和已有的處理結(jié)果,決定對感興趣目標(biāo)注視的部位、距離及角度等,即它是任務(wù)驅(qū)動的。與靜止的攝像機相比,主動視覺系統(tǒng)有高度的靈活性和更大的視野范圍,在很多領(lǐng)域有其應(yīng)用價值,如視頻監(jiān)控、人機交互等。
　　 本文以主動視覺系統(tǒng)中的目標(biāo)檢測與跟蹤為研究重點,主要做了以下工作:
　　 1.在運動目標(biāo)檢測方面,設(shè)計并且實現(xiàn)

2、了基于混合高斯模型背景建模的目標(biāo)檢測方法。采用混合高斯模型來建立背景并自適應(yīng)更新,很好的解決了由環(huán)境中光線變化、干擾物體等動態(tài)因素引起的背景失效問題,在很大程序上提高了檢測的準(zhǔn)確性。在差分圖像二值化的過程中,使用OSTU算法實現(xiàn)了二值化閾值的自適應(yīng)選取,能夠適應(yīng)各自光照強度下的運動目標(biāo)分割；然后采用形態(tài)學(xué)運算,去除二值圖中亮斑的干擾。最后利用目標(biāo)的幾何特征,排除背景較大的干擾物體。實驗表明本文方法能在保證較小計算量的前提下有效的分割出完

3、整的運動目標(biāo)。
　　 2.在運動目標(biāo)跟蹤方面,提出一種新的帶寬自適應(yīng)的均值漂移(Mean-Shift)跟蹤算法。為了達(dá)到主動視覺中實時跟蹤的要求,本文采用了Mean-Shift跟蹤算法。并且針對Mean-Shift算法不能解決跟蹤過程中目標(biāo)尺寸變化引起的目標(biāo)定位不準(zhǔn)確的問題,將SURF特征點檢測與之結(jié)合,匹配前兩幀圖像中的特征點,計算出目標(biāo)的縮放因子,以此調(diào)整當(dāng)前幀中跟蹤算法的核函數(shù)的帶寬。同時為了增強跟蹤的穩(wěn)定性,根據(jù)前兩視頻