運(yùn)動(dòng)目標(biāo)識(shí)別與光電跟蹤定位技術(shù)研究.pdf

1、圖像自動(dòng)目標(biāo)跟蹤定位技術(shù)是世界各國精確視覺系統(tǒng)亟需解決的重要難題，是當(dāng)前科技領(lǐng)域新興的研究分支，也是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。尤其在某些場(chǎng)合，例如人無法參與或者工作量太大的情況下，研究智能化的無需人參與或僅需少量交互的系統(tǒng)是必然趨勢(shì)。
　　 本文深入研究了圖像處理領(lǐng)域中高精度的角點(diǎn)檢測(cè)、雙目立體視覺攝像機(jī)標(biāo)定、目標(biāo)識(shí)別與跟蹤算法、定位等立體視覺系統(tǒng)研制開發(fā)的各種關(guān)鍵技術(shù)，從理論和實(shí)踐上深入地進(jìn)行了討論，提出并構(gòu)建了一個(gè)完整的光電

2、目標(biāo)跟蹤定位立體視覺系統(tǒng)方案。各章的具體內(nèi)容安排如下：
　　 圖像特征點(diǎn)的提取是進(jìn)行攝像機(jī)標(biāo)定的前提，其提取的好壞直接影響著攝像機(jī)的標(biāo)定精度，是順利進(jìn)行立體視覺和三維重建的基礎(chǔ)。本文采用基于Harris角點(diǎn)檢測(cè)原理的亞像素角點(diǎn)檢測(cè)方法，利用角點(diǎn)鄰域內(nèi)圖像灰度梯度變化與角點(diǎn)到鄰域內(nèi)任一點(diǎn)的矢量點(diǎn)乘為零的性質(zhì)，采用迭代算法，獲得了精度優(yōu)于0.01個(gè)像素的亞像素角點(diǎn)坐標(biāo)，解決了攝像機(jī)標(biāo)定中高精度控制點(diǎn)坐標(biāo)的獲取問題。
　　 針

3、對(duì)攝像機(jī)標(biāo)定過程中復(fù)雜的成像和畸變模型，提出了基于最小二乘支持向量機(jī)的攝像機(jī)標(biāo)定方法。利用最小二乘支持向量機(jī)來直接學(xué)習(xí)圖像信息與三維信息之間復(fù)雜的非線性映射關(guān)系，不需確定攝像機(jī)具體的內(nèi)部參數(shù)和外部參數(shù)，只需要知道部分已知點(diǎn)(已知世界坐標(biāo)的點(diǎn))的圖像坐標(biāo)。在雙目視覺的情況下，兩攝像機(jī)的位置關(guān)系不需具體求出，而是隱含在網(wǎng)絡(luò)中。由于核函數(shù)的參數(shù)以及懲罰因子是影響最小二乘支持向量機(jī)性能的關(guān)鍵因素，采用AGA算法自動(dòng)選擇確定LS-SVM參數(shù)，建立

4、了基于AGA-LS-SVM的攝像機(jī)標(biāo)定模型。仿真結(jié)果證明這一方法對(duì)于提高標(biāo)定精度的有效性。
　　 采用Haar特征作為目標(biāo)識(shí)別的特征參數(shù)，解決目標(biāo)自動(dòng)識(shí)別與跟蹤中存在的實(shí)時(shí)性、準(zhǔn)確性的難題，將AdaBoost學(xué)習(xí)算法訓(xùn)練分類器，應(yīng)用基于Haar特征的目標(biāo)識(shí)別進(jìn)行目標(biāo)識(shí)別，試驗(yàn)結(jié)果證明該方法具有較好的實(shí)時(shí)性和較高的正確檢測(cè)率。
　　 將Kalman濾波預(yù)測(cè)方法融入到Mean Shift跟蹤算法中，利用Kalman濾波預(yù)測(cè)目

5、標(biāo)位置，有效地解決了背景中大面積顏色干擾的問題，提高了跟蹤方法的抗干擾能力和速度。并以仿射變換來描述目標(biāo)尺寸的變化，利用連續(xù)兩幀中匹配窗口的最大相關(guān)系數(shù)確定最優(yōu)匹配窗口搜索目標(biāo)。當(dāng)目標(biāo)被遮擋時(shí)，利用目標(biāo)先前運(yùn)動(dòng)軌跡采用LS-SVM對(duì)目標(biāo)運(yùn)動(dòng)趨勢(shì)做預(yù)測(cè)，在目標(biāo)被遮擋后重新出現(xiàn)時(shí)能夠重新找到目標(biāo)，進(jìn)行跟蹤。跟蹤試驗(yàn)表明，算法在遮擋、背景與目標(biāo)顏色相近和目標(biāo)尺寸變化等復(fù)雜情況下都能對(duì)目標(biāo)進(jìn)行準(zhǔn)確跟蹤，具有良好的實(shí)時(shí)性和較強(qiáng)的抗干擾能力。