基于形變模型和目標(biāo)特征的目標(biāo)跟蹤算法研究.pdf

1、隨著計算機(jī)視覺技術(shù)以及圖像處理技術(shù)的不斷發(fā)展，目標(biāo)跟蹤技術(shù)在安防工程、精確制導(dǎo)以及國防工業(yè)等具有越來越廣泛的應(yīng)用，同時也是自動控制、模式識別以及計算機(jī)視覺里的研究熱點(diǎn)。本文以視頻監(jiān)控為課題研究背景，主要圍繞基于目標(biāo)跟蹤的算法進(jìn)行了相關(guān)研究。
　　首先，本文針對目標(biāo)檢測的方法進(jìn)行了深入的分析，提出了一種適用于跟蹤系統(tǒng)的目標(biāo)檢測算法，該算法結(jié)合差異累積背景建模以及背景更新策略，有效克服了在跟蹤過程中的背景獲取不準(zhǔn)確以及背景更新不夠?qū)崟r

2、的難點(diǎn)，該算法對干擾目標(biāo)有一定的抑制作用。
　　然后，本文研究了兩種主流的目標(biāo)跟蹤算法，它們分別是基于GVF-Snake的粒子濾波算法和基于梯度方向直方圖的多核跟蹤算法。首先我們提到的是基于GVF-Snake的粒子濾波算法。相比傳統(tǒng)的Snake算法，GVF-Snake有更強(qiáng)大的搜索能力，能夠更準(zhǔn)確地找到目標(biāo)的輪廓，而且對于初始點(diǎn)不太敏感。同時，考慮到跟蹤場景的復(fù)雜性，我們通過調(diào)整輪廓點(diǎn)數(shù)量以適應(yīng)變形運(yùn)動目標(biāo)，以輪廓作為目標(biāo)的特征進(jìn)

3、行粒子濾波，研究在運(yùn)動過程中存在形變的物體的跟蹤。實驗證明該算法能夠在一定程度上跟蹤變形目標(biāo)。基于梯度方向直方圖的多核跟蹤算法將梯度方向直方圖在目標(biāo)檢測中的優(yōu)勢引入目標(biāo)跟蹤領(lǐng)域中，考慮到目標(biāo)被遮擋的情況，本文將目標(biāo)分成若干子塊，并且分別提取其梯度方向直方圖。目標(biāo)模型與候選模型之間的相似度通過Bhattacharyya系數(shù)之和來衡量，然后利用Mean Shift算法來最大化相似度達(dá)到跟蹤的目的，而且該算法通過抑制邊緣像素權(quán)值來盡量保留目標(biāo)