基于動(dòng)靜態(tài)特征結(jié)合的運(yùn)動(dòng)目標(biāo)跟蹤算法研究.pdf

1、多目標(biāo)跟蹤中特征選擇是跟蹤穩(wěn)定性的重要因素，是特征跟蹤研究的熱點(diǎn)問(wèn)題。本文提出了采用動(dòng)態(tài)特征和靜態(tài)特征結(jié)合方式，分別獲取運(yùn)動(dòng)目標(biāo)的動(dòng)態(tài)光流特征和靜態(tài)局部邊緣內(nèi)側(cè)灰度(gray)和梯度方向特征(edge)，并選用柔性分塊方式建立目標(biāo)的特征模型。實(shí)現(xiàn)了基于動(dòng)靜態(tài)特征結(jié)合的運(yùn)動(dòng)目標(biāo)跟蹤算法研究。本文要點(diǎn)如下：
　　(1)采用混合高斯模型（GMM）獲取運(yùn)動(dòng)區(qū)域，結(jié)合形態(tài)學(xué)操作對(duì)檢測(cè)區(qū)域進(jìn)行處理,得到完整的檢測(cè)目標(biāo)。
　　(2)研究了

2、Lucas-Kanade光流，采用正-反向光流最近鄰算法,在此基礎(chǔ)上提出了Sobel邊緣正-反向誤差匹配方法，并結(jié)合運(yùn)動(dòng)方向一致性建立運(yùn)動(dòng)目標(biāo)的動(dòng)態(tài)特征模型。
　　(3)將柔性分塊方式和一階邊緣梯度方向、零階沿梯度方向內(nèi)側(cè)灰度特征（G&E）綁定，建立運(yùn)動(dòng)目標(biāo)的靜態(tài)特征模型。
　　(4)提出了動(dòng)態(tài)特征與靜態(tài)特征結(jié)合的特征匹配模型。將動(dòng)態(tài)特征匹配的子塊作為有效子塊，有效子塊內(nèi)的靜態(tài)特征為目標(biāo)最終匹配特征，建立動(dòng)靜態(tài)結(jié)合的特征模型