復(fù)雜場(chǎng)景下的視頻對(duì)象跟蹤技術(shù)研究.pdf

1、視頻對(duì)象跟蹤是當(dāng)今計(jì)算機(jī)視覺(jué)研究領(lǐng)域的熱點(diǎn)問(wèn)題，廣泛應(yīng)用于智能視覺(jué)監(jiān)控、人機(jī)交互、機(jī)器人視覺(jué)以及軍事領(lǐng)域等。由于問(wèn)題的復(fù)雜性，視頻對(duì)象跟蹤仍然是一個(gè)難點(diǎn)，其中需要解決的幾個(gè)關(guān)鍵技術(shù)是：對(duì)象的丟失與重現(xiàn)；對(duì)象的平移、旋轉(zhuǎn)、縮放、變形；對(duì)象的快速無(wú)規(guī)律運(yùn)動(dòng)。其中對(duì)象的匹配問(wèn)題是跟蹤的核心。針對(duì)以上問(wèn)題，廣泛查閱大量國(guó)內(nèi)外相關(guān)學(xué)術(shù)論文，并對(duì)SIFT算法、Kalman 濾波器、Mean Shift算法展開(kāi)了理論和應(yīng)用研究，結(jié)合不同的應(yīng)用場(chǎng)境提出

2、了具有實(shí)時(shí)性和魯棒性的跟蹤方法，旨在實(shí)現(xiàn)復(fù)雜場(chǎng)景下的實(shí)時(shí)視頻對(duì)象跟蹤技術(shù)。 視頻序列的鏡頭檢測(cè)和關(guān)鍵幀識(shí)別問(wèn)題，對(duì)解決對(duì)象的丟失、重現(xiàn)及跟蹤的實(shí)時(shí)性都會(huì)產(chǎn)生影響。本文提出了改進(jìn)的基于分塊顏色直方圖的關(guān)鍵幀提取算法，充分考慮了視頻圖像的顏色和內(nèi)容特征以及人眼的視覺(jué)特征，將視頻圖像分成5塊，并根據(jù)不同的權(quán)值計(jì)算幀間的相似度，很好的解決了鏡頭檢測(cè)和關(guān)鍵幀識(shí)別問(wèn)題。 針對(duì)視頻對(duì)象的匹配問(wèn)題，研究了傳統(tǒng)的模板匹配、角點(diǎn)匹配、Hau

3、sdorff距離匹配、圖像不變矩匹配的優(yōu)缺點(diǎn)，提出了基于SIFT算法的視頻對(duì)象匹配算法，其匹配能力強(qiáng)，可以處理對(duì)象在平移、旋轉(zhuǎn)、仿射變換、光照變化等情況下的匹配，甚至在發(fā)生部分遮擋的情況下也能有很好的表現(xiàn)，具有一定的實(shí)時(shí)性，從而可以用于實(shí)現(xiàn)視頻對(duì)象的跟蹤。 針對(duì)Mean Shift算法不能跟蹤快速對(duì)象的特點(diǎn)，提出了Mean Shift算法和Kalman濾波器相結(jié)合的方法，Kalman濾波器用于預(yù)測(cè)對(duì)象在下一幀中的位置，Mean

4、Shift算法在該位置附近進(jìn)行搜索，算法對(duì)快速運(yùn)動(dòng)的對(duì)象具有很好的跟蹤效果，而且也能較好地處理遮擋問(wèn)題。在跟蹤過(guò)程中自適應(yīng)地改變核直方圖帶寬，自動(dòng)更新對(duì)象模板，當(dāng)出現(xiàn)新的鏡頭，采用SIFT算法快速找到對(duì)象，結(jié)合Mean Shift算法和Kalman濾波器進(jìn)行跟蹤。本文的模板更新算法充分利用了Mean Shift算法和Kalman濾波器的中間值，算法的復(fù)雜度沒(méi)有變高。實(shí)驗(yàn)證明改進(jìn)的算法具有較高的實(shí)時(shí)性，視頻對(duì)象的跟蹤得以實(shí)現(xiàn)。 對(duì)