基于光流法的運(yùn)動目標(biāo)檢測與跟蹤.pdf

1、運(yùn)動目標(biāo)跟蹤是計算機(jī)視覺領(lǐng)域一個重要的研究方向。高性能計算機(jī)的普及，高質(zhì)量、廉價攝像頭的廣泛使用，對智能視頻分析日益增長的需求，許多性能優(yōu)異的跟蹤算法不斷涌現(xiàn)。智能視頻分析主要分為三個方面:運(yùn)動目標(biāo)檢測、圖像序列中的運(yùn)動目標(biāo)跟蹤以及目標(biāo)行為的認(rèn)知分析。因而運(yùn)動目標(biāo)跟蹤技術(shù)在各個領(lǐng)域都具有廣泛的應(yīng)用。
　　運(yùn)動物體有多種局部特征可以用來進(jìn)行跟蹤，常用的特征包括輪廓、邊緣、興趣點、紋理、形狀、顏色等，其中，最易提取的局部特征就是點特征

2、。本文選用角點作為跟蹤對象，角點定義為窗口向任意方向移動都會引起灰度變化的特征點，具有旋轉(zhuǎn)不變性，對光照變化不敏感的特性。但是由于角點檢測需要對圖像每一個像素點計算角點響應(yīng)值，根據(jù)角點響應(yīng)值的大小判定角點，在處理高分辨率圖像時，檢測時間會大幅度提升，算法的實時性很難滿足要求。本論文基于圖像區(qū)域內(nèi)像素點之間的灰度差值進(jìn)行特征點初篩選，提取備選角點。然后對備選角點進(jìn)行后續(xù)處理，避免對圖像每個像素點計算角點響應(yīng)，縮短檢測時間。引入尺度空間概念

3、，即建立不同尺度下的圖像序列，檢測特征尺度上的Harris角點，特征尺度則是連續(xù)尺度空間上LoG(Laplacian-of-Gaussian)響應(yīng)局部極大值對應(yīng)的尺度，通過計算特征點的曲率，濾除角點附近存在的“偽角點”，提高角點檢測對尺度變化的抗擾能力。
　　本論文的跟蹤算法選用的是光流法。光流場是三維運(yùn)動場在二維圖像上的速度投影，所以光流場又稱為速度場。根據(jù)光流法可以估計特征點在下一幀圖像的位置，但是對于運(yùn)動物體短時間內(nèi)移動過快

4、的情況效果不佳。本文提出基于圖像金字塔的改進(jìn)算法。通過對原圖像進(jìn)行降采樣，縮小圖像尺寸，將大運(yùn)動縮減為滿足光流約束條件的小運(yùn)動，從金字塔圖像序列由上至下，逐層迭代求解光流，直至金字塔底層的原始圖像，得到精確光流估計。提出基于光流誤差EFB的跟蹤算法，即用不同時間流的運(yùn)動軌跡在同一幀圖像的誤差來衡量運(yùn)動跟蹤情況，避免跟蹤點因被遮擋、消失或者紋理特征發(fā)生變化而導(dǎo)致跟蹤失敗。
　　最后，通過對不同視頻圖像進(jìn)行檢測，實驗結(jié)果證明基于改進(jìn)的