復(fù)雜場景下的視頻對象跟蹤技術(shù)研究.pdf

1、視頻對象跟蹤是當(dāng)今計算機視覺研究領(lǐng)域的熱點問題，廣泛應(yīng)用于智能視覺監(jiān)控、人機交互、機器人視覺以及軍事領(lǐng)域等。由于問題的復(fù)雜性，視頻對象跟蹤仍然是一個難點，其中需要解決的幾個關(guān)鍵技術(shù)是：對象的丟失與重現(xiàn)；對象的平移、旋轉(zhuǎn)、縮放、變形；對象的快速無規(guī)律運動。其中對象的匹配問題是跟蹤的核心。針對以上問題，廣泛查閱大量國內(nèi)外相關(guān)學(xué)術(shù)論文，并對SIFT算法、Kalman 濾波器、Mean Shift算法展開了理論和應(yīng)用研究，結(jié)合不同的應(yīng)用場境提出

2、了具有實時性和魯棒性的跟蹤方法，旨在實現(xiàn)復(fù)雜場景下的實時視頻對象跟蹤技術(shù)。 視頻序列的鏡頭檢測和關(guān)鍵幀識別問題，對解決對象的丟失、重現(xiàn)及跟蹤的實時性都會產(chǎn)生影響。本文提出了改進的基于分塊顏色直方圖的關(guān)鍵幀提取算法，充分考慮了視頻圖像的顏色和內(nèi)容特征以及人眼的視覺特征，將視頻圖像分成5塊，并根據(jù)不同的權(quán)值計算幀間的相似度，很好的解決了鏡頭檢測和關(guān)鍵幀識別問題。 針對視頻對象的匹配問題，研究了傳統(tǒng)的模板匹配、角點匹配、Hau

3、sdorff距離匹配、圖像不變矩匹配的優(yōu)缺點，提出了基于SIFT算法的視頻對象匹配算法，其匹配能力強，可以處理對象在平移、旋轉(zhuǎn)、仿射變換、光照變化等情況下的匹配，甚至在發(fā)生部分遮擋的情況下也能有很好的表現(xiàn)，具有一定的實時性，從而可以用于實現(xiàn)視頻對象的跟蹤。 針對Mean Shift算法不能跟蹤快速對象的特點，提出了Mean Shift算法和Kalman濾波器相結(jié)合的方法，Kalman濾波器用于預(yù)測對象在下一幀中的位置，Mean

4、Shift算法在該位置附近進行搜索，算法對快速運動的對象具有很好的跟蹤效果，而且也能較好地處理遮擋問題。在跟蹤過程中自適應(yīng)地改變核直方圖帶寬，自動更新對象模板，當(dāng)出現(xiàn)新的鏡頭，采用SIFT算法快速找到對象，結(jié)合Mean Shift算法和Kalman濾波器進行跟蹤。本文的模板更新算法充分利用了Mean Shift算法和Kalman濾波器的中間值，算法的復(fù)雜度沒有變高。實驗證明改進的算法具有較高的實時性，視頻對象的跟蹤得以實現(xiàn)。 對