基于活動輪廓模型的目標(biāo)分割與跟蹤的研究.pdf

1、論文的研究工作是哈爾濱工程大學(xué)“211”工程學(xué)科建設(shè)項目“智能機器人子項目中機器人遙現(xiàn)遙控環(huán)境建設(shè)”項目中的一個重要研究部分。 序列圖象中運動目標(biāo)的運動分析是計算機視覺技術(shù)的一個重要組成部分，運動分析包括目標(biāo)的捕獲(跟蹤初始位置的確定)、目標(biāo)的識別(或分割)、目標(biāo)的跟蹤、目標(biāo)的理解等內(nèi)容。其中，目標(biāo)的捕獲、分割、跟蹤是進行運動分析的前提條件，一個良好的分割、跟蹤效果是正確進行目標(biāo)理解的保障。本文研究的內(nèi)容是在圖象序列中，基于活動

2、輪廓模型的運動目標(biāo)自動分割與跟蹤技術(shù)，目的使計算機視覺系統(tǒng)可以自動的分割目標(biāo)并進行連續(xù)的跟蹤，同時在跟蹤過程中自動提取目標(biāo)輪廓信息。文中首先介紹活動輪廓模型的基礎(chǔ)及其改進方法，然后圍繞目標(biāo)初始定位過程和目標(biāo)跟蹤過程兩個部分進行研究。 在目標(biāo)初始定位過程中，算法是基于多邊形活動輪廓模型進行目標(biāo)的圖象分割，同時使用圖象差分技術(shù)，細胞神經(jīng)網(wǎng)絡(luò)(CNN)和SUSAN角點檢測算法解決活動輪廓模型初始化曲線設(shè)置問題和參數(shù)設(shè)置問題。在這部分，

3、首先使用幀間差分梯度法進行運動目標(biāo)的區(qū)域定位，在確定感興趣(ROI)區(qū)域后，使用SUSAN角點檢測算法得到目標(biāo)角點，利用角點間連線所組成的輪廓作為改進的多邊形活動輪廓模型的初始輪廓；由于在運動目標(biāo)的初始跟蹤階段，已同步使用基于CNN的三幀差分法進行目標(biāo)的圖象分割，可以獲得目標(biāo)初始時刻的輪廓特征，文中利用CNN獲得的目標(biāo)輪廓作為參考輪廓，通過基于粒子群尋優(yōu)技術(shù)的活動輪廓能量方程系數(shù)調(diào)整算法優(yōu)化模型參數(shù)，使活動輪廓模型獲得合適參數(shù)，保障輪廓

4、曲線正確收斂在目標(biāo)邊緣，避免目標(biāo)輪廓曲線的過收斂或收斂漂移。文中采用的活動輪廓模型是一種改進的多邊形活動輪廓模型，由于經(jīng)過前期的處理，模型已具備合理的初始輪廓和模型參數(shù)，因此可以充分發(fā)揮其收斂準(zhǔn)確、抗噪聲能力較強的特點，獲得較好的目標(biāo)輪廓形狀曲線。在目標(biāo)初始定位階段使用該方法可以克服大多算法需人為干預(yù)的缺點，實現(xiàn)運動目標(biāo)自動分割，而且使目標(biāo)的定位和分割更加準(zhǔn)確可靠。由于在定位過程，獲得的目標(biāo)輪廓曲線是后續(xù)目標(biāo)跟蹤階段所使用的活動輪廓模型

5、的初始輪廓，因此準(zhǔn)確的分割初始形狀是后續(xù)目標(biāo)跟蹤的重要保障。 在目標(biāo)跟蹤過程中，由于目標(biāo)的運動，使得目標(biāo)在各幀間位置發(fā)生變化，使用活動輪廓模型主要問題是各幀初始位置的確定問題，也即運動位置的估計問題。文中分析了基于Camshift運動跟蹤算法的特點，并對Camshift算法進行改進，提出解決初始搜索窗的不易確定問題和大面積相近目標(biāo)色干擾問題的方法，增強系統(tǒng)抗干擾能力。在跟蹤過程中采用的是改進的Camshift與多邊形活動輪廓相結(jié)