基于ORB特征的目標檢測與跟蹤的研究.pdf

1、目前,作為計算機視覺領(lǐng)域熱點和難點之一的運動目標跟蹤技術(shù),它在軍事制導,視覺導航,機器人,智能交通,公共安全等領(lǐng)域被廣泛的運用。實現(xiàn)運動目標檢測是進行運動目標跟蹤的基礎(chǔ);基于目標與攝像機之間的關(guān)系,運動目標檢測與跟蹤,都可歸類為靜態(tài)場景下的運動目標檢測與跟蹤和動態(tài)場景下的運動目標檢測與跟蹤。針對越來越多的主動跟蹤的需要,動態(tài)場景下的運動目標檢測與跟蹤顯得尤為重要。與此同時,局部特征點算法在近年來得到了快速發(fā)展。因此,本文采用特征點匹配方

2、法實現(xiàn)了動態(tài)場景下的運動目標檢測與跟蹤。
　　1、動態(tài)場景下的運動目標檢測。由于攝像機有平移、旋轉(zhuǎn)、縮放和傾斜等可能存在的運動,在攝像機旋轉(zhuǎn)很大的情況下,線性的仿射參數(shù)模型不能很好的描述攝像機的運動,而且需要對視頻序列實時的檢測出運動目標,針對這兩點我們選擇通用性更強的八參數(shù)旋轉(zhuǎn)模型來描述像素點運動。先采用PROSAC算法去除可能存在的外點,得到正確的匹配特征點對,并用最小二乘法求最優(yōu)解。全局運動參數(shù)通過八參數(shù)模型得到,然后將運動

3、補償作用于圖像,最后運動目標由幀差法得到。實驗結(jié)果表明該算法在秉持了SURF本身的優(yōu)越性的基礎(chǔ)上,運動目標可以實時正確的被檢測出來,檢測速度有所提高。
　　2、靜態(tài)場景下的運動目標跟蹤。經(jīng)典的meanshift跟蹤算法存在著兩個主要的缺陷,一個是不能自動調(diào)整跟蹤窗口的大小,另一個是不能繼續(xù)跟蹤被遮擋后的目標。本文受CAMSHIFT算法的啟發(fā),對經(jīng)典的meanshift跟蹤算法進行擴展,提出了一種改進的meanshift跟蹤算法,解