基于高斯尺度空間的模板匹配算法研究.pdf

1、視覺跟蹤已成為應用數(shù)學、計算機視覺等交叉學科的熱點問題，其任務就是在一段視頻的每一幀中將感興趣的目標標記出來。該領域的研究不僅具有深遠的理論意義，而且具有廣泛的應用價值，例如安防監(jiān)控、人機交互、智能交通、醫(yī)療診斷等。
　　模板匹配算法計算相對簡單、魯棒性強，已成為視覺跟蹤的常用算法。目前，已有多種模板匹配算法被提出，廣義上可分為基于灰度相關的方法和基于幾何變換的方法。其中，基于灰度相關的方法簡單易行，精確度較高，得到了較好的應用。

2、但這種模板匹配算法仍有一些不足之處，如模板尺度固定、模板漂移、計算量大等。為了解決這些問題，本文對已有算法和研究進行了大量分析，在此基礎上，提出了基于高斯尺度空間的模板匹配算法。主要內容有:
　　首先，借助高斯尺度空間理論，模板能夠適應目標的尺度變化進行自適應更新，使算法在沒有形狀突變時跟蹤上目標的絕大部分，提高了跟蹤的準確度。
　　其次，分析了模板漂移現(xiàn)象產生的原因，并提出了解決方案，使算法在遮擋和一定程度的形變情況下仍能

3、保持不錯的跟蹤效果。
　　再次，提出了一種改進的菱形搜索(IDS)算法，它結合了三步搜索(ThreeStep-Search，簡稱TSS)、新三步搜索（New Three Step-Search，簡稱NTSS）和菱形搜索（Diamond Search，簡稱DS）算法各自的優(yōu)點，在尋求全局最優(yōu)的基礎上，提高了匹配速度，解決了模板匹配計算量大的問題。
　　復雜場景下的實驗表明，提出的模板匹配算法是一種快速、魯棒的視覺跟蹤算法，能夠