基于曲線擬合的目標跟蹤算法研究.pdf

1、近些年來，由于計算機視覺技術在人機交互、圖像導航制導、城市安全等領域的廣泛應用，計算機視覺技術受到了高校有關學者、工程開發(fā)人員的極大關注。以準確獲取目標物體并能持續(xù)的得到目標物體在視頻流中的位置為目的的運動目標跟蹤檢測技術是計算機視覺技術應用到上述領域的基礎，也是當前計算機視覺研究領域的熱點之一。
　　視頻目標跟蹤方法可以分為多種，目前使用最多的是MeanShift算法及其相關的改進算法，包括CamShift算法、及其與卡爾曼濾波

2、相結合的改進算法，但是此類算法在針對有大同色背景干擾的情況下，算法并不能準確的對目標物體實現準確。
　　文章針對此類問題提出了一種基于曲線擬合的目標跟蹤方法，此方法首先由人工圈出要跟蹤的目標物體，然后利用其歷史軌跡點數據對其以后幾幀的目標位置進行預測，實驗證明，利用該方法可以在一定程度上的有效的解決視頻目標在跟蹤過程中所遇到的復雜背景干擾、目標形狀變化、遮擋及計算的有效性問題。
　　所做主要工作如下:
　　首先，簡要的

3、介紹了視頻跟蹤技術研究的意義，并且對前人所做的一些工作包括視頻跟蹤場景的分類、視頻跟蹤技術的分類及視頻目標跟蹤技術的研究現狀和研究難點做了一個總結。
　　其次，對于視頻目標跟蹤的第一步獲取目標，文章簡要的介紹了幾種前景檢測的基本方法，及背景建模的方法。并且針對當前使用較為廣泛的單高斯背景建模、混合高斯背景建模等方法進行了總結與比較，為下面的算法理論奠定了基礎。簡要的介紹了基于模板特征的MeanShift跟蹤算法及改進的CamShi

4、ft算法的跟蹤原理，驗證了其在一定場景下對目標跟蹤的無效性。
　　最后，針對以模板匹配為基礎的視頻目標跟蹤算法存在的計算量大及模板漂移的問題，在攝像機固定、目標運動的場景下，根據物體運動在短時間內所具有的空間連續(xù)性的特性，提出了一種基于曲線擬合的目標跟蹤方法。首先在要跟蹤的視頻幀上圈出包含目標物的最小閉包矩形，并以此閉包矩形的中心點作為擬合點，對質心的運動軌跡的進行方程擬合，以最小閉包矩形的質心位置及大小為基礎，結合運動軌跡方程，

5、預測目標物在下一幀前景圖像中可能出現的區(qū)域塊（ROI區(qū)域）位置，若能在此區(qū)域內找到滿足閾值要求的質心點，則認為此質心點為目標物質心的實際坐標值并以此坐標對擬合點進行更新，否則，則利用擬合點估計目標物質心點的坐標值并以此估計值更新擬合點坐標。無論是用實際坐標值更新擬合點還是用估計值更新擬合點，在處理下一幀圖像時，都應該按照一定的速率更新ROI區(qū)域的大小，以提高目標跟蹤的準確性。實驗表明，該方法在一定的場景下可以準確、有效的實現對目標物的跟