運(yùn)動(dòng)目標(biāo)的跟蹤算法研究.pdf

1、序列圖像的運(yùn)動(dòng)分析是諸多學(xué)術(shù)領(lǐng)域，如計(jì)算機(jī)視覺(jué)、人工智能、模式識(shí)別等廣泛關(guān)注的一個(gè)課題，指從靜態(tài)序列圖像中獲得關(guān)于運(yùn)動(dòng)物體以及運(yùn)動(dòng)本身的特征，包括運(yùn)動(dòng)目標(biāo)是否存在，運(yùn)動(dòng)物體的識(shí)別以及運(yùn)動(dòng)目標(biāo)的跟蹤等。這些研究成果具有廣泛的應(yīng)用前景，如虛擬現(xiàn)實(shí)，智能監(jiān)控，人機(jī)交互等。 一個(gè)完整的運(yùn)動(dòng)分析過(guò)程包含四個(gè)階段：運(yùn)動(dòng)檢測(cè)，運(yùn)動(dòng)目標(biāo)識(shí)別，運(yùn)動(dòng)目標(biāo)跟蹤，運(yùn)動(dòng)目標(biāo)動(dòng)作分析與理解。這四個(gè)階段并不是一定要全部存在，而是取決于應(yīng)用的場(chǎng)合。一般情況下運(yùn)

2、動(dòng)檢測(cè)和運(yùn)動(dòng)目標(biāo)跟蹤是必要的，本文研究重點(diǎn)集中在這兩個(gè)階段。 運(yùn)動(dòng)目標(biāo)檢測(cè)是將運(yùn)動(dòng)物體從序列圖像中提取出來(lái)的過(guò)程。這一階段是后續(xù)處理的基礎(chǔ)，具有重要意義。然而由于現(xiàn)實(shí)世界的復(fù)雜性比如光照的變化，影子以及干擾物等的存在，使得這一階段的處理并不簡(jiǎn)單。目前幾乎所有的運(yùn)動(dòng)目標(biāo)檢測(cè)算法都是建立在一定程度的限制和假設(shè)的基礎(chǔ)上，很難找到一個(gè)適用于所有應(yīng)用場(chǎng)合的算法。本文采用特征點(diǎn)匹配法進(jìn)行運(yùn)動(dòng)目標(biāo)的提取，通過(guò)特征點(diǎn)匹配法來(lái)形成動(dòng)態(tài)的背景模型，

3、并進(jìn)行及時(shí)更新，使經(jīng)過(guò)更新后的背景模型能夠及時(shí)反映背景的動(dòng)態(tài)變化。 當(dāng)檢測(cè)到運(yùn)動(dòng)目標(biāo)正確時(shí)，進(jìn)行運(yùn)動(dòng)目標(biāo)跟蹤。在這個(gè)階段，本文利用動(dòng)態(tài)變化分布的非參數(shù)方法CamShift算法。CamShift算法根據(jù)運(yùn)動(dòng)目標(biāo)的色彩信息對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行實(shí)時(shí)跟蹤，具有魯棒性和實(shí)時(shí)性的優(yōu)點(diǎn)。但是當(dāng)運(yùn)動(dòng)目標(biāo)速度較快或在遮擋時(shí)，容易發(fā)生跟蹤丟失。本文提出將CamShift算法和運(yùn)動(dòng)目標(biāo)位移預(yù)測(cè)相結(jié)合的方法跟蹤運(yùn)動(dòng)物體，該方法不但可以有效的避免上述情況發(fā)生時(shí)