基于主動輪廓的運動目標檢測與跟蹤.pdf

1、運動目標的檢測與跟蹤是計算機視覺和圖像處理研究的主要內容之一。實現(xiàn)對運動目標的檢測跟蹤涉及到多個方面的知識，比如模式識別、應用數(shù)學、物理學、圖像處理等等，在機器人導航、智能監(jiān)控系統(tǒng)、醫(yī)學圖像處理和視頻圖像壓縮等領域均有應用。
　　 自從Kass等人提出主動輪廓模型，并將它應用到跟蹤人的唇動以來，主動輪廓模型作為主動視覺領域里的一門重要學科越來越受到廣泛地重視。同傳統(tǒng)的視覺處理方法不同，主動輪廓模型是一種充分利用圖像的高層信息的自

2、上而下的處理方法。由于它的優(yōu)越性，使它在多重領域內得到運用，如：醫(yī)學圖像處理、序列圖像跟蹤、圖像分割、監(jiān)視監(jiān)控等。近幾十年來，人們對主動輪廓模型作了許多改進，提出了許多不同的目標檢測和跟蹤的方法，但由于Snake模型本身存在的不足，使得該模型在目標檢測和跟蹤過程中依然存在一些問題，因此，有必要繼續(xù)對其進行更深入的研究。
　　 本文闡述了參數(shù)型主動輪廓模型的基本原理，重點研究分析了B-Snake模型、動態(tài)規(guī)劃法和卡爾曼濾波器，在前

3、人工作的基礎上，設計了一種基于卡爾曼濾波器的B樣條主動輪廓跟蹤算法，并較好地融合進全局優(yōu)化的動態(tài)規(guī)劃技術。首先采用B樣條主動輪廓在較少控制點的情況下，較好地逼近目標的輪廓；同時采用動態(tài)規(guī)劃技術解決了背景干擾帶來的局部極值問題；并在卡爾曼濾波器框架內，準確預測目標的運動速度、位置和尺度大小，從而形成一個穩(wěn)定的跟蹤算法。
　　 通過多個經典的圖像序列測試，驗證了本算法的穩(wěn)定性和精度，其結果表明本文算法在跟蹤過程中具有分割精度高、跟蹤