海事圖像中運動目標跟蹤與攝像機標定研究.pdf

1、在海事智能監(jiān)控領(lǐng)域，船舶跟蹤是獲取船舶運動軌跡、速度等運動參數(shù)的第一步，內(nèi)河背景下的各種噪聲如光線、水波等都會影響船舶跟蹤的準確性，對本文而言，也是進行攝像機標定的必要條件。攝像機標定是計算機視覺的第一步，在攝影測量、三維重建、計算機視覺等圖像領(lǐng)域有著很廣泛的應用。在運動目標檢測方面，本文重點學習研究了Codebook背景建模方法，針對經(jīng)典Codebook模型實時性不高的問題，提出一種融合快速排序的碼本模型。根據(jù)碼字的命中次數(shù)對碼本模型

2、中的碼字進行冒泡排序，提高了活動碼字首次匹配的成功率，提高了檢測算法的實時性。
　　 在運動目標跟蹤方面，本文重點研究了CamShift跟蹤算法，針對傳統(tǒng)CamShift算法是半自動的且在背景與運動目標顏色相近時容易發(fā)生目標丟失的問題。本文提出了一種改進的多特征融合的自適應跟蹤算法，首先利用Codebook提取出運動目標，然后將CamShift算法中運動單一的目標模型更新為由顏色、形狀及紋理特征融合的多特征模型，既做到了自動跟蹤

3、又增加了描述目標模型的魯棒性和可靠性。
　　 在攝像機標定方面，本文采用了基于特定的投影規(guī)則的自標定法相結(jié)合的方法，建立了河面三維坐標系與圖像二維坐標系投影模型，并通過非線性回歸方法求解出投影模型參數(shù)。該模型可以將視頻序列中的運動船舶的位置映射到現(xiàn)實世界坐標系中，實現(xiàn)了圖像坐標系與世界坐標系之間的轉(zhuǎn)換關(guān)系。
　　 本文最后在VC++6.0平臺上，利用OpenCV中的庫函數(shù)對圖像序列中的運動目標的跟蹤和攝像機標定算法進行了