基于特征點的目標檢測與跟蹤快速算法研究.pdf

1、運動目標檢測與跟蹤技術(shù)是計算機視覺領(lǐng)域中的一個研究熱點，其主要目的是從視頻序列中檢測出運動目標，并在對目標有效識別與可靠跟蹤的基礎(chǔ)上，理解和描述目標的行為。動態(tài)視頻背景下的目標檢測與跟蹤算法因視頻背景運動與目標運動的不確定性使得研究人員難以找出一種普遍適用的解決方案，這類算法主要包括背景補償與圖像預(yù)處理、圖像分割與目標檢測、特征提取和目標跟蹤三項關(guān)鍵技術(shù)。而基于特征點的目標檢測與跟蹤算法是解決這類問題中較為常見，也是應(yīng)用較為廣泛一種。所

2、以本文針對基于特征點的目標檢測與跟蹤算法進行了系統(tǒng)分析和深入研究。
　　目前，基于特征點的目標檢測與跟蹤算法仍存在諸多待解決的問題。首先由于傳統(tǒng)的特征點檢測算法耗時量較大，使得其雖然具有較好的目標檢測效果卻難以應(yīng)用于實時系統(tǒng)。其次由于動態(tài)視頻背景圖像特別是航拍視頻圖像可能發(fā)生平移變化、旋轉(zhuǎn)變化、縮放變化以及圖像中目標被背景遮擋的情況，這些因素使得在對目標的跟蹤過程中可能丟失目標。所以，本文針對以上問題進行分析和研究，提出了適當?shù)慕?/p>

3、決方案，并通過大量實驗對提出的方法進行了驗證。本文的研究內(nèi)容與取得成果包括：
　　1.針對傳統(tǒng)的基于特征點的目標檢測算法在特征點檢測環(huán)節(jié)耗時較長，實時性較差的問題，提出了一種基于自適應(yīng)通用加速分割的二進制特征點檢測算法。本文研究了幾種傳統(tǒng)的特征點檢測算法，并在此基礎(chǔ)上提出了一種基于自適應(yīng)通用加速分割的ORB特征點提取與匹配算法，即將ORB算法中的FAST算子改為AGAST算子以實現(xiàn)特征點的精確定位與快速生成。將改進的ORB特征點用

4、于動態(tài)視頻背景圖像的特征點提取與匹配，對視頻序列的動態(tài)背景進行補償，并采用多幀間隔差分圖像累加的方法，配合形態(tài)學運算與邊緣檢測實現(xiàn)目標檢測。通過實驗驗證，本文算法與傳統(tǒng)算法相比具有更強的實時性，且對于不同類型的圖像具有較強的適應(yīng)性。
　　2.針對動態(tài)視頻背景圖像下目標跟蹤算法中特征點提取與匹配耗時較長、跟蹤目標易丟失的問題，提出了一種基于改進的ORB特征點的卡爾曼濾波跟蹤算法。首先采用改進的ORB特征點提取和匹配目標圖像模板與每幀