基于ORB特征的目標檢測與跟蹤的研究.pdf

1、目前,作為計算機視覺領域熱點和難點之一的運動目標跟蹤技術,它在軍事制導,視覺導航,機器人,智能交通,公共安全等領域被廣泛的運用。實現運動目標檢測是進行運動目標跟蹤的基礎;基于目標與攝像機之間的關系,運動目標檢測與跟蹤,都可歸類為靜態(tài)場景下的運動目標檢測與跟蹤和動態(tài)場景下的運動目標檢測與跟蹤。針對越來越多的主動跟蹤的需要,動態(tài)場景下的運動目標檢測與跟蹤顯得尤為重要。與此同時,局部特征點算法在近年來得到了快速發(fā)展。因此,本文采用特征點匹配方

2、法實現了動態(tài)場景下的運動目標檢測與跟蹤。
　　1、動態(tài)場景下的運動目標檢測。由于攝像機有平移、旋轉、縮放和傾斜等可能存在的運動,在攝像機旋轉很大的情況下,線性的仿射參數模型不能很好的描述攝像機的運動,而且需要對視頻序列實時的檢測出運動目標,針對這兩點我們選擇通用性更強的八參數旋轉模型來描述像素點運動。先采用PROSAC算法去除可能存在的外點,得到正確的匹配特征點對,并用最小二乘法求最優(yōu)解。全局運動參數通過八參數模型得到,然后將運動

3、補償作用于圖像,最后運動目標由幀差法得到。實驗結果表明該算法在秉持了SURF本身的優(yōu)越性的基礎上,運動目標可以實時正確的被檢測出來,檢測速度有所提高。
　　2、靜態(tài)場景下的運動目標跟蹤。經典的meanshift跟蹤算法存在著兩個主要的缺陷,一個是不能自動調整跟蹤窗口的大小,另一個是不能繼續(xù)跟蹤被遮擋后的目標。本文受CAMSHIFT算法的啟發(fā),對經典的meanshift跟蹤算法進行擴展,提出了一種改進的meanshift跟蹤算法,解