復雜場景下運動目標的視覺跟蹤方法研究.pdf

1、隨著科學技術的長足發(fā)展，視頻獲取的成本已日益降低，圖像處理技術的應用也越來越廣泛。得益于大量圖像分析與處理算法的出現(xiàn)，采用計算機視覺來分析和理解外部環(huán)境已逐步成為現(xiàn)實。作為計算機視覺的重要環(huán)節(jié)，目標跟蹤技術主要研究目標在圖像序列中隨時間變化的位置軌跡，獲取其運動參數(shù)和位置信息，為圖像序列的高級語義理解提供了重要方法和可靠途徑。國內(nèi)外研究機構已針對該方向開展了大量研究，并取得了諸多成果。但在實際應用中，由于成像環(huán)境的復雜性和目標運動的不確

2、定性，該技術仍然存在一些亟待解決的問題。
　　論文首先就目標跟蹤的難點問題展開了深入探討，分析了復雜場景中運動目標及其背景的成像特征；然后結(jié)合目標表示的一般方法，研究了遮擋場景和快速運動場景中目標的描述方法和特征的選擇標準；最后通過選取適宜的跟蹤特征，分別探索了兩種復雜場景下運動目標的視覺跟蹤算法。
　　針對遮擋目標的跟蹤問題，在對比多種局部特征算子之后，論文選擇使用魯棒性較好的 SURF算子來進行目標檢測，結(jié)合歐氏距離聚類

3、的方法來查找目標在當前幀中的潛在位置。原始的 SURF算法一般針對整幅圖像進行的全局搜索，運算量較大，且容易產(chǎn)生誤匹配現(xiàn)象。因此，為了提高目標跟蹤的速度與精度，本文研究了一種基于Kalman濾波的改進算法，通過軌跡預測建立相鄰幀間的位置對應關系，縮小了特征點提取與匹配的范圍，減小了復雜背景的干擾和特征提取的運算復雜度，仿真結(jié)果表明該算法對遮擋場景具有較好的魯棒性。
　　針對快速運動目標的實時跟蹤問題，論文采用圖像灰度信息Haar-

4、like特征來描述目標。Haar-like算子提取簡單、獲取容易，但數(shù)量龐大，一般需要結(jié)合一定的訓練手段或降維方法來提高速度。本文采用壓縮跟蹤算法，利用壓縮感知理論對多尺度的高維特征進行壓縮提取，在保留幾乎所有原有特征信息的同時，大幅提高了跟蹤的速度，保證了跟蹤的實時性。但是，該方法提出的時間尚短，也存在著一些不足，容易產(chǎn)生跟蹤漂移問題。為提高跟蹤的魯棒性，論文研究了一種基于模板匹配的壓縮跟蹤算法，利用灰度直方圖擬合結(jié)果作為判定機制，采