復(fù)雜環(huán)境下視頻運動目標(biāo)跟蹤算法研究.pdf

1、在過去的十幾年里，目標(biāo)跟蹤系統(tǒng)已經(jīng)得到了廣泛的關(guān)注，其中基于視覺的目標(biāo)跟蹤系統(tǒng)尤為突出。然而，基于視覺的目標(biāo)跟蹤是非常具有挑戰(zhàn)性的。例如，需要跟蹤目標(biāo)通常具有不同的速度、形狀、尺寸、角度和顏色，目標(biāo)的外觀還受到目標(biāo)的姿態(tài)以及它周圍目標(biāo)物的影響。同時，目標(biāo)的遮擋和光照條件的不同也改變了目標(biāo)的整個外觀。 本文總結(jié)了多年來目標(biāo)跟蹤系統(tǒng)中所應(yīng)用的基于視頻的跟蹤算法，并分析了各種跟蹤算法的特點。同時，對基于圖像信息的相關(guān)跟蹤算法進(jìn)行大量試

2、驗。其中主要包括基于方向紋理模板和基于距離變換的邊緣匹配的目標(biāo)跟蹤算法?；诜较蚣y理模板依據(jù)鄰域內(nèi)像素灰度變化的趨勢分別提取水平、垂直方向二值化的圖像紋理矩陣，然后根據(jù)定義的相似性判別準(zhǔn)則，分別度量水平、垂直兩個方向二值化圖像矩陣之間的相關(guān)置信度?；诰嚯x變換的邊緣匹配方法，采用拆分模板、多子模板以及動態(tài)更新模板的策略進(jìn)行序列圖像中目標(biāo)跟蹤的算法研究。 本文針對安裝在運動車輛上的單個CCD攝像機(jī)實時采集的可見光圖像，提出了一種基

3、于分類的多模式車輛跟蹤算法。按照被跟蹤車輛的運行情景(被跟蹤車輛在圖像中的位置，被跟蹤車輛之間的相互位置關(guān)系，光照條件等)進(jìn)行分類，將車輛分為正常行駛狀態(tài)、遮擋狀態(tài)、消失狀態(tài)和光照異常狀態(tài)等四種狀態(tài)。對于不同狀態(tài)的車輛采用相應(yīng)的跟蹤方法：對于正常行駛狀態(tài)下的車輛，采用基于邊緣特征的定位與模板匹配定位相結(jié)合的跟蹤方法。同時，結(jié)合這兩種定位方法的特點，提出了一種基于相似性準(zhǔn)則的模板更新策略：對于遮擋狀態(tài)的車輛，采用切割分塊模板實現(xiàn)對目標(biāo)的跟

4、蹤；對于消失狀態(tài)的車輛，采用逆轉(zhuǎn)模板和預(yù)估遞減模板進(jìn)行跟蹤；對于處于光照異常狀態(tài)下的車輛，提出一種‘暗中更暗’的方法定位車輛的下邊緣，對其它邊的定位則利用邊緣檢測的方法。為了提高匹配速度，采用了改進(jìn)的金字塔搜索算法進(jìn)行加速。實驗結(jié)果顯示，多模式車輛跟蹤算法具有較好的匹配精度和實時性。 多模式車輛跟蹤算法已經(jīng)實現(xiàn)并應(yīng)用于車輛跟蹤系統(tǒng)中。該算法在包括不同天氣，不同光照等評估條件下，都能夠很好地跟蹤車載攝像機(jī)拍攝的圖像序列中的車輛。實