動態(tài)場景下運動目標(biāo)跟蹤研究.pdf

1、運動目標(biāo)跟蹤技術(shù)作為機器視覺研究中的一個重要研究方向，引起了國內(nèi)外研究者的廣泛關(guān)注，并在工業(yè)生產(chǎn)、智能監(jiān)控、醫(yī)療診斷、國防等領(lǐng)域有廣泛的應(yīng)用。但是由于受到運動目標(biāo)的姿態(tài)變換及多變背景環(huán)境的干擾，直到現(xiàn)在仍然沒有一種通用的、健壯的、高性能的目標(biāo)跟蹤方法。
　　本文以目標(biāo)跟蹤為主題，對存在攝像機抖動時的目標(biāo)跟蹤難點問題進行了研究，主要內(nèi)容如下：
　　(1)采用角點特征匹配的方法估計全局運動的參量，并利用此參量在圖像幀間進行補償，

2、以消除由攝像機抖動等引起的全局運動。實驗證明經(jīng)過運動分析得出的全局參數(shù)精度在一個像素內(nèi)，用此參數(shù)進行運動補償，能夠很好抑制全局運動。
　　(2)在研究分析了目標(biāo)檢測算法的基礎(chǔ)上，提出了融合背景差與幀差的檢測方法，對圖像進行掩模濾波處理，用幀間差分值作為背景更新的控制條件。本算法能夠根據(jù)實際情況更新背景，同時克服了幀差檢測結(jié)果中包含過多背景的現(xiàn)象，且能夠?qū)崿F(xiàn)實時的檢測。
　　(3)為了提高檢測的速度，采用分塊差分的方法進行目標(biāo)

3、檢測。將差分結(jié)果分成大小相等的塊，對于只含有背景或前景的塊進行粗檢測，對于同時包含前景和背景的交叉塊進行分塊細(xì)檢測。
　　(4)對經(jīng)典的Mean Shift跟蹤算法進行了研究，針對其采用單一顏色信息易產(chǎn)生跟蹤失效的缺點，提出了顏色特征和梯度特征融合的Mean Shift跟蹤方法。該跟蹤方法對光照變化不敏感，且能夠?qū)崿F(xiàn)實時的跟蹤。
　　(5)當(dāng)目標(biāo)進行復(fù)雜的運動時，其姿態(tài)會發(fā)生變化，為了能夠準(zhǔn)確的跟蹤運動目標(biāo)，提出了基于相似變