復雜場景中運動目標跟蹤技術研究.pdf

1、隨著計算機技術和圖像處理技術的發(fā)展,作為計算機視覺領域中的運動目標跟蹤技術已成為該領域的研究熱點,目標跟蹤技術在智能交通、安全監(jiān)控、機器人視覺導航、醫(yī)學領域和軍事制導等方面已都得到了廣泛的應用。由于現(xiàn)實中的場景環(huán)境往往是很復雜的,在復雜場景中當運動目標快速移動、遮擋、形變、光線變化、背景相似及有實時性要求等條件下也能實現(xiàn)對運動目標穩(wěn)健的跟蹤是目前學術研究的熱點,也是當前在實際應用過程中一個亟需解決的難題。
　　對目標跟蹤過程中跟蹤

2、算法的研究,目前許多學者很少注重跟蹤前期的圖像預處理階段,視頻圖像的前期處理對目標的后期跟蹤也非常重要。本文在圖像預處理階段,首先對視頻圖像進行了噪聲濾波和增強處理,緊接著設計一種基于HSV顏色模型的彩色圖像增強算法,該算法能很好凸顯出圖像的特征信息,便于對目標的前景和背景的檢測。針對背景差分目標檢測算法存在的問題,對其進行了分析和研究,以使得更能準確地檢測提取出運動目標。
　　本文重點對復雜場景中運動目標跟蹤算法存在的問題進行了

3、研究和改進,首先對Mean Shift目標跟蹤算法進行了深入分析。針對該算法存在當運動目標尺寸發(fā)生變化時因跟蹤框固定而導致跟蹤誤差甚至跟蹤目標的丟失等缺點,利用對運動目標的帶寬的調(diào)整,提出了一種處理目標自適應尺度變化的均值漂移改進算法,該算法在目標運動過程中可以實時的跟蹤目標的尺寸產(chǎn)生變化而調(diào)整跟蹤框,可以準確的鎖定運動目標,減少跟蹤誤差。
　　其次為了解決復雜場景中目標運動的遮擋問題,研究了基于Kalman濾波器的運動目標預測問

4、題。針對經(jīng)典Mean Shift算法在對目標被遮擋時進行跟蹤過程中缺乏模板更新機制,設計了一種融合Mean Shift和Kalman濾波器的抗遮擋運動目標跟蹤算法,在該算法中利用Bhattacharyya系數(shù)值的變化來判斷遮擋情況的發(fā)生和遮擋情況的結束。改進后的算法由于加入了目標模板更新機制,所以能夠更準確的描述目標特征,提高了算法的精度和效率。
　　最后,為了進一步驗證本文所設計的跟蹤算法的可靠性,本文在Visual C++ 6