復(fù)雜背景下的目標(biāo)檢測(cè)與跟蹤技術(shù)研究.pdf

1、動(dòng)態(tài)目標(biāo)的跟蹤是現(xiàn)行視覺(jué)處理中的一個(gè)熱點(diǎn)和難點(diǎn)，其廣泛的應(yīng)用前景和視覺(jué)效果的重要意義使其成為圖像處理領(lǐng)域的重要課題；同時(shí)視覺(jué)環(huán)境的多樣性和復(fù)雜性則是穩(wěn)定有效地完成跟蹤任務(wù)的難點(diǎn)。本文采用MeanShift算法并結(jié)合Kalman濾波器，能夠穩(wěn)健實(shí)時(shí)地實(shí)現(xiàn)目標(biāo)跟蹤。 從簡(jiǎn)單背景、低速運(yùn)動(dòng)到復(fù)雜背景、高速運(yùn)動(dòng)，視覺(jué)處理領(lǐng)域的跟蹤算法非常之多?；诤嗣芏裙烙?jì)的MeanShift匹配算法，以圖像直方圖分布作為匹配跟蹤的依據(jù)，對(duì)目標(biāo)的外形和

2、尺寸不敏感，具有快速、穩(wěn)定、有效的優(yōu)點(diǎn)。文中以MeanShift為核心算法，實(shí)現(xiàn)復(fù)雜背景下的目標(biāo)跟蹤，并利用nalman濾波器完成目標(biāo)位置的預(yù)測(cè)及目標(biāo)模板的及時(shí)更新，提高了算法的穩(wěn)健性。 由于MeanShift算法需要對(duì)圖像進(jìn)行窮舉匹配，并且難以跟蹤快速運(yùn)動(dòng)的目標(biāo)。而利用Kalman濾波器可以對(duì)目標(biāo)的狀態(tài)進(jìn)行有效預(yù)測(cè)，減少匹配運(yùn)算次數(shù)。因此以Kalman預(yù)測(cè)結(jié)果作為MeanShift匹配算法的起始點(diǎn)，經(jīng)過(guò)若干次匹配便可得到目標(biāo)的

3、精確位置，且快速運(yùn)動(dòng)目標(biāo)的跟蹤效果也得到改善。即使在目標(biāo)被完全遮擋的情況下，以預(yù)測(cè)結(jié)果作為目標(biāo)位置等待目標(biāo)的再次出現(xiàn)。在一定的匹配準(zhǔn)則下，建立自適應(yīng)Kalman濾波器組對(duì)目標(biāo)模板進(jìn)行及時(shí)更新，避免了由于跟蹤環(huán)境的改變帶來(lái)的跟蹤任務(wù)的失敗。 本文利用LabVIEW軟件編程環(huán)境實(shí)現(xiàn)MeanShift與Kalman濾波器結(jié)合的跟蹤算法，在多次實(shí)驗(yàn)調(diào)試下，很好地完成了復(fù)雜背景下的目標(biāo)跟蹤任務(wù)，得到了很好的實(shí)驗(yàn)效果，并給出了跟蹤效果圖和算