復(fù)雜背景下動(dòng)目標(biāo)圖像跟蹤方法的研究.pdf

1、圖像跟蹤技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域的核心課題之一，具有十分重要的意義和廣泛的實(shí)用價(jià)值。它融合了圖像處理、模式識(shí)別、人工智能、自動(dòng)控制以及計(jì)算機(jī)應(yīng)用等相關(guān)領(lǐng)域的先進(jìn)技術(shù)和研究成果。圖像跟蹤的實(shí)質(zhì)是一種從圖像信號(hào)中實(shí)時(shí)自動(dòng)識(shí)別目標(biāo)、提取目標(biāo)的位置信息、自動(dòng)跟蹤目標(biāo)的技術(shù)。其難點(diǎn)在于利用不可靠的信息在復(fù)雜的應(yīng)用環(huán)境中獲得可靠的跟蹤效果。 本文以實(shí)際工程需求為背景，通過(guò)對(duì)動(dòng)目標(biāo)識(shí)別與跟蹤算法的研究，找出解決復(fù)雜背景下目標(biāo)識(shí)別的方法，同時(shí)尋求一

2、種有效的途徑解決目標(biāo)跟蹤過(guò)程中的遮擋和旋轉(zhuǎn)問(wèn)題，從而對(duì)實(shí)際采集的復(fù)雜背景下動(dòng)目標(biāo)圖像序列進(jìn)行高速有效的跟蹤。 針對(duì)復(fù)雜背景下的目標(biāo)識(shí)別問(wèn)題，本文采用了背景模型的自適應(yīng)更新法，較好地解決了背景擾動(dòng)、外界光照變化等問(wèn)題，從而有效地提取復(fù)雜背景下的目標(biāo)圖像。根據(jù)圖像序列相鄰兩幀間的時(shí)間間隔很小，使得目標(biāo)的灰度值不會(huì)發(fā)生突變的特點(diǎn)，研究了閾值分割算法，將Kalman濾波用于圖像分割的閾值預(yù)測(cè)與修正上，提出了基于預(yù)測(cè)的自適應(yīng)閾值分割方法，

3、保留了目標(biāo)的形狀特征，降低了背景影響。為了實(shí)現(xiàn)目標(biāo)檢測(cè)與跟蹤的可靠性，根據(jù)目標(biāo)的形狀特征，利用目標(biāo)的面積和形狀因子等標(biāo)量，濾除復(fù)雜背景中與目標(biāo)灰度值近似而形狀不同的噪聲。 本文中跟蹤的目標(biāo)為類(lèi)長(zhǎng)方形，目標(biāo)不僅隨著質(zhì)心做整體運(yùn)動(dòng)，而且還圍繞著質(zhì)心做旋轉(zhuǎn)運(yùn)動(dòng)，并且多個(gè)目標(biāo)間、目標(biāo)與干擾物等發(fā)生互遮擋和自遮擋。為了克服旋轉(zhuǎn)和遮擋，精確的跟蹤目標(biāo)，首先采用了Susan角點(diǎn)提取算法，準(zhǔn)確、高速地提取出目標(biāo)的特征點(diǎn)。然后利用基于特征點(diǎn)的點(diǎn)模

4、式匹配算法，根據(jù)目標(biāo)的特征點(diǎn)不僅可以完好表征目標(biāo)的形狀，而且具有旋轉(zhuǎn)不變性的特點(diǎn)，從而解決了目標(biāo)的旋轉(zhuǎn)和輕微的遮擋問(wèn)題。為了提高點(diǎn)模式匹配算法的運(yùn)算速度，根據(jù)圖像序列相鄰兩幀間目標(biāo)旋轉(zhuǎn)角度和縮放尺度是有限的，本文提出了將Kalman濾波用于對(duì)目標(biāo)旋轉(zhuǎn)角度的預(yù)測(cè)與修正上，并加入了目標(biāo)尺度約束條件，從而提高了匹配速度，滿(mǎn)足高速實(shí)時(shí)處理需求。針對(duì)在連續(xù)數(shù)幀內(nèi)，目標(biāo)有可能被完全遮擋或丟失的情況，采用了基于置信度二級(jí)判決門(mén)限和虛警概率最小的模版更