基于光流法的運動目標(biāo)跟蹤算法研究.pdf

1、運動目標(biāo)跟蹤就是利用攝像機作為“眼睛”，去識別、觀察并記錄感興趣的運動目標(biāo)。近年來已成為計算機視覺領(lǐng)域研究的熱點。由于在應(yīng)用中對目標(biāo)跟蹤精度和實時性要求的不斷提高，相關(guān)算法也需要不斷地進行改進。本文將光流法應(yīng)用在運動目標(biāo)跟蹤中，對目標(biāo)跟蹤算法的實現(xiàn)過程進行了具體研究，并針對光流法在目標(biāo)跟蹤中的一些缺陷進行了改進。
　　首先，研究了經(jīng)典的HS光流法和LK光流法。其中LK光流計算方法因為靈活性高、計算量相對較小更適合應(yīng)用在目標(biāo)跟蹤中。

2、對于幀間運動位移較大的光流計算，將圖像進行金字塔分解來提高光流矢量求解的精確度。
　　其次，LK光流法得到的光流矢量解有一定的不穩(wěn)定性，在計算過程中解的穩(wěn)定性依賴于窗口權(quán)重函數(shù)，本文提出引入Hessian矩陣對LK光流計算進行改進。在計算光流矢量前先用Hessian矩陣對鄰域內(nèi)的光流點進行判斷，設(shè)定閾值，剔除不在閾值范圍內(nèi)的外點，最后用剩下的可靠點根據(jù)加權(quán)最小二乘法求解光流矢量。
　　然后，基于光流法對運動目標(biāo)進行了跟蹤。整

3、個過程主要包括圖像預(yù)處理、角點檢測、光流計算、光流聚類、區(qū)域分析以及標(biāo)定出目標(biāo)位置。通過仿真實驗得出每幀的跟蹤結(jié)果，結(jié)果顯示算法存在對光照敏感、抗干擾能力差以及隨著時間推移誤差會累積等缺陷。
　　最后，本文提出引入定位精度較高的SIFT特征點匹配跟蹤算法，將該算法得到的目標(biāo)位置與光流法跟蹤得到的目標(biāo)位置進行卡爾曼濾波融合。在融合的同時對光流法跟蹤進行重新初始化，矯正其跟蹤誤差。實驗結(jié)果證明，所提出的融合算法減小了幀間累計誤差，提高