基于特征匹配與卡爾曼預測的多目標跟蹤算法研究.pdf

1、作為計算機視覺領域研究的熱點技術之一，視頻目標跟蹤正被廣泛地應用到科學技術、航空航天、國防建設、醫(yī)藥衛(wèi)生以及國民經(jīng)濟的各個領域，有著重大的實用價值和廣闊發(fā)展前景。在實際生活中，運動目標所處的環(huán)境是不斷變化的，例如光照的變化、目標的形變及目標的遮擋等情況，這些因素都給運動目標跟蹤提出了強大的挑戰(zhàn)。本文主要分為運動目標檢測與運動目標跟蹤兩個部分。運動目標檢測就是將運動目標的圖像從序列圖像中提取出來，為后續(xù)的運動目標跟蹤匹配奠定基礎;運動目標

2、跟蹤的目的主要是確定序列圖像中運動目標的精確位置。
　　在運動目標檢測方面，首先，介紹了運動目標檢測的發(fā)展狀況及運動目標檢測的常用算法，包括光流法、幀間差分法和背景差分法，并分析了算法的優(yōu)點及不足。然后在對背景差分法分析的基礎之上，提出了一種基于形態(tài)學的背景差分法。在背景差分法中，從序列圖像中提取出的背景圖像是至關重要的。在背景圖像的提取過程中，首先對相鄰兩幀圖像做差分處理，然后將差分后的圖像進行二值化處理，為了避免二值化圖像中孔

3、洞現(xiàn)象對于結果的影響，選擇形態(tài)學的方法對二值化的差分圖像進行填充處理，將檢測到的背景區(qū)域的像素值更新到背景圖像中，從而得到理想的背景圖像。再對圖像做背景差分處理，可以從得到的圖像中確定運動區(qū)域。根據(jù)此算法能夠輸出運動目標的外接矩形框，進而得到輸出的圖像，為后續(xù)的運動目標匹配工作打好基礎。
　　在運動目標跟蹤方面，為了描述多個運動目標復雜的運動狀態(tài)，首先將復雜的多目標運動狀態(tài)劃分為五種基本運動狀態(tài)，以便于后續(xù)的處理。其次，選擇提取目