Camshift與Kalman濾波相結(jié)合的跟蹤技術(shù)研究.pdf

1、目標(biāo)跟蹤算法的研究對(duì)于計(jì)算機(jī)視覺具有十分重要的意義，它將模式識(shí)別，人工智能，圖像處理及自動(dòng)控制等多個(gè)方面的先進(jìn)技術(shù)，廣泛應(yīng)用于智能機(jī)器，醫(yī)療診斷，智能監(jiān)控，交通控制等領(lǐng)域?，F(xiàn)階段，運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的精確度和魯棒性，已逐漸難于滿足各種復(fù)雜的應(yīng)用環(huán)境的越來越高的需求，這使其成為目前研究的熱點(diǎn)之一。本文將在研究常用的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的基礎(chǔ)上，對(duì)其作出進(jìn)一步的改進(jìn)和完善，以期達(dá)到更好地跟蹤效果。
　　 在運(yùn)動(dòng)目標(biāo)檢測(cè)中，本文

2、先介紹常見的三種檢測(cè)方法的基本原理，再針對(duì)傳統(tǒng)方法的局限性，將背景差分法與幀間差分法相結(jié)合，提出一種改進(jìn)的方法。然后，為能更好地進(jìn)行下一步的目標(biāo)跟蹤，對(duì)檢測(cè)得到的圖像進(jìn)行了一系列的處理，主要包括開運(yùn)算、閉運(yùn)算和連通性分析。
　　 在跟蹤算法的研究中，本文將重點(diǎn)分析camshift跟蹤和卡爾曼濾波跟蹤這兩種跟蹤方法的優(yōu)缺點(diǎn)。然后將二者結(jié)合在一起，提出一種改進(jìn)后的算法，并利用實(shí)驗(yàn)結(jié)果證明，改進(jìn)后的算法不僅提高了跟蹤精度，還可以使運(yùn)算