基于Camshift算法的目標跟蹤問題研究.pdf

1、Camshift跟蹤算法具有魯棒性好、易實現和計算高效的優(yōu)點，這使它在計算機視覺領域發(fā)揮著重要作用。它以目標的顏色特征建立目標模型，在未來幀中尋找與目標模型相匹配的候選模型，得到目標的質心。但是當跟蹤中出現目標的顏色發(fā)生變化、遇到大面積背景顏色和目標顏色相似或者目標被遮擋時，原先建立的目標模型就不能很好的匹配到對應的幀，Camshift算法跟蹤的魯棒性就不能保證。本文針對跟蹤中出現的上述問題，采用了一些對應的解決方案。
　　 (

2、1)針對目標跟蹤中由于目標顏色變化或目標遇到相似顏色背景干擾導致魯棒性差的問題，提出了一種累積多級顏色特征并融合紋理信息的算法。該算法分顏色、紋理特征的提取和目標與背景特征相似度判斷兩個子過程，整個跟蹤過程分兩個子過程交替執(zhí)行。在目標顏色發(fā)生變化時，利用感興趣區(qū)域(RoI)幀差法，對目標進行再定位，提取多級顏色模板，然后累積在原來的模板之上。大量實驗結果表明，該改進算法可以魯棒的跟蹤到復雜背景下顏色多變的目標。
　　 (2)為了

3、解決視頻跟蹤中的遮擋問題，對用于運動預測的粒子濾波算法進行了深入的研究。在此基礎上，結合了分塊跟蹤算法的思想，并且運用自適應線索整合方案，最后把它嵌入到粒子濾波跟蹤算法中。在計算每一個粒子的權重之前，先用Camshift算法把所有粒子收斂到目標實際位置，而且為了更好的區(qū)分遮擋，目標模板的每一個圖像塊的權值根據當前幀的圖像內容進行自動的調整。從獲得的實驗結果可以看出，該算法以較少的時間消耗換得了較高的跟蹤精度。
　　 (3)重點研

4、究了目標在被相似顏色的物體遮擋的問題，采用了如下解決方案:在目標出現跟蹤錯誤后，給出跟蹤無效標記，在判斷出目標重新出現時，對目標重新識別。該算法采用直方圖交集和目標位置信息雙重因素作為判斷目標是否丟失的依據，然后結合圖像分割算法重新分層搜索目標。跟蹤結果表明，該算法能在目標丟失后，再次出現時，快速準確的重新鎖定到目標。
　　 對上述的三種算法分別進行了大量的仿真實驗，實驗結果和跟蹤誤差分析都表明，本文的改進算法能以較小的時間代價