基于積分圖像和Camshift的運動目標(biāo)跟蹤研究.pdf

1、視頻運動目標(biāo)檢測與跟蹤是計算機視覺學(xué)科中的一個很熱門的方向，它包括數(shù)字圖像處理、模式識別，甚至還涉及人工智能和機器學(xué)習(xí)等，已經(jīng)被很好的應(yīng)用在軍事、工業(yè)、智能交通、安全監(jiān)控等多個方面，并且一直在發(fā)展。
　　本文一開始先介紹對于目標(biāo)的檢測，比如基本的目標(biāo)檢測算法以及特征提取檢測的算法，重點闡述了機器學(xué)習(xí)的檢測算法，能夠?qū)φ龢颖竞拓摌颖具M行一定的訓(xùn)練，從而檢測出運動目標(biāo)。
　　然后介紹了比較常用的目標(biāo)跟蹤算法，包括Meanshif

2、t、Camshift和卡爾曼濾波算法，Camshift算法其實是Meanshift算法的改進，并通過實驗驗證了Camshift算法跟蹤物體具有尺寸大小的自適應(yīng)性。
　　面對快速運動目標(biāo)的跟蹤問題，本文提出了在直方圖相似度匹配下的積分圖像跟蹤算法，研究了積分圖像算法的時間復(fù)雜度，并證明了用顏色空間積分圖像算法可以跟蹤快速運動的物體，而且通過區(qū)域搜索，具有跟蹤的實時性，該算法可以和Meanshift算法相結(jié)合，實驗也驗證了跟蹤效果更好

3、。
　　對于用傳統(tǒng)的Camshift算法跟蹤目標(biāo)與背景顏色相似情況下失敗的問題，本文提出了一種算法，通過每一幀圖像與背景相減，加大目標(biāo)和背景區(qū)分度后，可以較好的實現(xiàn)對顏色相似目標(biāo)的跟蹤。在實現(xiàn)對快速運動目標(biāo)的跟蹤過程中，先用機器學(xué)習(xí)的算法進行目標(biāo)檢測，然后面對用傳統(tǒng)的Camshift算法跟蹤快速運動物體會導(dǎo)致跟蹤丟失的情況，結(jié)合顏色空間積分圖像算法后，能有效的進行跟蹤，而且也具有尺寸大小變化的自適應(yīng)性。對于在相同物體干擾下跟蹤快速