基于深度信息的目標分割及跟蹤技術的研究.pdf

1、在分割及跟蹤的過程中，針對天氣、光照、復雜背景等傳統(tǒng)方法不能很好解決的問題。本文提出一種融合深度信息的方法去分割目標，針對跟蹤部分，以一種基于相似性度量的高效Mean Shift目標跟蹤算法為主要研究對象。分割及跟蹤通過Matlab軟件仿真來驗證算法的實現(xiàn)效果。
　　分割部分，傳統(tǒng)的圖像分割方法大致可分為兩類:基于邊緣的分割方法和基于區(qū)域的分割方法。傳統(tǒng)分割算法的過分割嚴重干擾了對真實目標的提取。本文采用的方法是:首先對融合深度信

2、息的圖像進行統(tǒng)計區(qū)域合并，這樣可以減少分割時復雜背景的干擾，得到初始分割區(qū)域，如果目標與背景相似度高，會出現(xiàn)過分割現(xiàn)象，為了解決這個過分割問題，需要進一步處理，我們對得到的初始分割區(qū)域進行顏色填充，準備下一步分割，用graphcuts對過分割部分進行處理，得到精確的目標。這種方法是多種算法的融合得到滿意的結果。融合深度信息的分割方法是圖像分割中一種新的技術，事實證明，融合多種方法進行分割更容易得到理想的結果。實驗結果表明，該方法可以解決

3、很多實際性問題，具有一定通用性，尤其對于較為復雜背景的圖像，處理效果顯著，減少了顏色相近的干擾。
　　跟蹤部分，概述了mean shift的基本理論，介紹了基于相似性度量的高效meanshift跟蹤方法，并指出算法的優(yōu)缺點及適用范圍。
　　新算法很好的對目標分割及跟蹤，當目標與背景較為相似時，也能有效的將目標與背景分離，從而使跟蹤結果更為準確。本文通過實驗對新算法進行了實驗分析，證明了新算法對于目標與背景較為相似時，或目標運