基于Camshift和Kalman濾波的多目標跟蹤算法研究.pdf

1、運動目標檢測與跟蹤是計算機視覺研究的主要問題之一，它融合了圖像處理、模式識別、人工智能、自動控制以及計算機等眾多領域的先進技術，在軍事視覺制導、醫(yī)學圖像診斷、視頻監(jiān)控、智能交通等方面都有廣泛應用，因此本課題研究具有重要的理論意義和實際價值。
　　 然而運動目標的多樣性和所處環(huán)境的復雜性，給運動目標檢查和跟蹤帶來巨大困難，使其成為計算機視覺和圖像處理領域有待解決的一個經(jīng)典難題。因此，本論文著眼于特定算法的實用性，開展一些關鍵問題的

2、探索研究。為此，本文研究的主要內容包括以下幾個方面：
　　 首先多運動目標檢測與標定方面，主要研究了幾種常用的目標檢測和標定方法，并對各種算法的優(yōu)劣進行了分析。針對瞬時差分法提取目標不完整的缺點，本文采用三幀差分結合Canny邊緣檢測算法來檢測目標，利用像素標定法，標定出目標個數(shù)、大小、位置。實現(xiàn)了對多個目標精確的提取，為下一步的跟蹤算法做前期準備。
　　 其次目標跟蹤算法方面首先研究了基于Camshift和Kalman

3、濾波結合的改進多目標跟蹤算法。針對目標跟蹤中常出現(xiàn)的大面積與目標顏色相近的背景干擾和目標嚴重遮擋導致跟蹤丟失的問題，提出了一種基于Camshift和Kalman濾波結合的改進多目標跟蹤算法。當出現(xiàn)大面積與目標顏色相近的背景干擾時，啟動ROI(感興趣區(qū)域)幀差法，把不運動的干擾背景濾除掉。當目標被嚴重遮擋時，采用Kalman預測值代替Camshift計算出的最優(yōu)位置值，并且將Kalman預測值作為Kalman濾波更新的觀測值，有效克服嚴重

4、遮擋導致Kalman濾波失效的問題。
　　 然后研究了Kalman濾波結合S(Smoothness)值的多目標跟蹤算法。由于Camshift算法是基于目標顏色為特征的跟蹤方法，不能對灰度圖像進行處理，針對上述情況研究了Kalman濾波結合S(Smoothness)值的多目標跟蹤算法。通過分析比較各運動對象的運動軌跡，利用運動目標方向和位置信息，來對目標進行區(qū)分匹配，從而確定當前幀中的運動對象。
　　 最后建立了運動目標自