基于光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤.pdf

1、運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)重要的研究方向。高性能計(jì)算機(jī)的普及，高質(zhì)量、廉價(jià)攝像頭的廣泛使用，對(duì)智能視頻分析日益增長(zhǎng)的需求，許多性能優(yōu)異的跟蹤算法不斷涌現(xiàn)。智能視頻分析主要分為三個(gè)方面:運(yùn)動(dòng)目標(biāo)檢測(cè)、圖像序列中的運(yùn)動(dòng)目標(biāo)跟蹤以及目標(biāo)行為的認(rèn)知分析。因而運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)在各個(gè)領(lǐng)域都具有廣泛的應(yīng)用。
　　運(yùn)動(dòng)物體有多種局部特征可以用來(lái)進(jìn)行跟蹤，常用的特征包括輪廓、邊緣、興趣點(diǎn)、紋理、形狀、顏色等，其中，最易提取的局部特征就是點(diǎn)特征

2、。本文選用角點(diǎn)作為跟蹤對(duì)象，角點(diǎn)定義為窗口向任意方向移動(dòng)都會(huì)引起灰度變化的特征點(diǎn)，具有旋轉(zhuǎn)不變性，對(duì)光照變化不敏感的特性。但是由于角點(diǎn)檢測(cè)需要對(duì)圖像每一個(gè)像素點(diǎn)計(jì)算角點(diǎn)響應(yīng)值，根據(jù)角點(diǎn)響應(yīng)值的大小判定角點(diǎn)，在處理高分辨率圖像時(shí)，檢測(cè)時(shí)間會(huì)大幅度提升，算法的實(shí)時(shí)性很難滿足要求。本論文基于圖像區(qū)域內(nèi)像素點(diǎn)之間的灰度差值進(jìn)行特征點(diǎn)初篩選，提取備選角點(diǎn)。然后對(duì)備選角點(diǎn)進(jìn)行后續(xù)處理，避免對(duì)圖像每個(gè)像素點(diǎn)計(jì)算角點(diǎn)響應(yīng)，縮短檢測(cè)時(shí)間。引入尺度空間概念

3、，即建立不同尺度下的圖像序列，檢測(cè)特征尺度上的Harris角點(diǎn)，特征尺度則是連續(xù)尺度空間上LoG(Laplacian-of-Gaussian)響應(yīng)局部極大值對(duì)應(yīng)的尺度，通過(guò)計(jì)算特征點(diǎn)的曲率，濾除角點(diǎn)附近存在的“偽角點(diǎn)”，提高角點(diǎn)檢測(cè)對(duì)尺度變化的抗擾能力。
　　本論文的跟蹤算法選用的是光流法。光流場(chǎng)是三維運(yùn)動(dòng)場(chǎng)在二維圖像上的速度投影，所以光流場(chǎng)又稱為速度場(chǎng)。根據(jù)光流法可以估計(jì)特征點(diǎn)在下一幀圖像的位置，但是對(duì)于運(yùn)動(dòng)物體短時(shí)間內(nèi)移動(dòng)過(guò)快

4、的情況效果不佳。本文提出基于圖像金字塔的改進(jìn)算法。通過(guò)對(duì)原圖像進(jìn)行降采樣，縮小圖像尺寸，將大運(yùn)動(dòng)縮減為滿足光流約束條件的小運(yùn)動(dòng)，從金字塔圖像序列由上至下，逐層迭代求解光流，直至金字塔底層的原始圖像，得到精確光流估計(jì)。提出基于光流誤差EFB的跟蹤算法，即用不同時(shí)間流的運(yùn)動(dòng)軌跡在同一幀圖像的誤差來(lái)衡量運(yùn)動(dòng)跟蹤情況，避免跟蹤點(diǎn)因被遮擋、消失或者紋理特征發(fā)生變化而導(dǎo)致跟蹤失敗。
　　最后，通過(guò)對(duì)不同視頻圖像進(jìn)行檢測(cè)，實(shí)驗(yàn)結(jié)果證明基于改進(jìn)的