基于角點檢測的目標跟蹤算法研究與應用.pdf

1、實時目標跟蹤是計算機視覺領域的一個熱門應用，也是一項具有實用性研究意義的課題，由于現(xiàn)代社會對跟蹤精度的要求越來越高，角點作為圖像的關鍵特征在提高跟蹤精確度上存在著優(yōu)勢，本文以此為切入點，對角點檢測算法和目標跟蹤算法進行研究，并將優(yōu)化后的角點檢測算法應用到跟蹤系統(tǒng)中來提高跟蹤的精確度。
　　首先，本文在比較分析常用角點檢測算法的基礎上，從速度和匹配精度的角度，對Harris、FAST以及SURF角點檢測算法進行比較分析，綜合三種算法

2、在速度和匹配精度上的優(yōu)缺點，選定SURF角點檢測算法，運用到目標跟蹤系統(tǒng)中，并在此基礎上對SURF角點的描述算法進行優(yōu)化，與其原算法進行了對比。
　　其次，在確定使用角點檢測算法后，本文對運動檢測算法和運動預測算法進行深入研究。選擇Kalman濾波器和光流法進行測試、比較、分析，基于Kalman濾波器可以準確預測目標所在區(qū)域的特點，并結(jié)合角點檢測算法，提出一種優(yōu)化后的SURF角點檢測與Kalman濾波器相結(jié)合的方法，使用Kalma

3、n濾波器預測更新算法對感興趣區(qū)域進行快速更新，從而縮小角點檢測范圍，提高跟蹤系統(tǒng)的速度，使其達到實時性的要求。
　　再次，以優(yōu)化后的算法為基礎，本文對實時目標跟蹤系統(tǒng)進行實現(xiàn)，將該系統(tǒng)用于排球測試過程中，完成對排球的跟蹤，并進行單個攝像頭的測距方法的設計，完成排球高度測距。
　　最后，對本文的實時目標跟蹤系統(tǒng)進行測試分析，通過攝像頭和筆記本電腦的簡單連接搭建的測試系統(tǒng)，完成 SURF角點檢測和Kalman濾波器預測結(jié)果測試，