基于雙目視覺地面自標定算法的目標檢測與跟蹤.pdf

1、目標檢測與跟蹤作為機器視覺領(lǐng)域中最重要的研究課題之一，已成為當今智能時代的關(guān)鍵技術(shù)。其廣泛應用于各個行業(yè)和領(lǐng)域，成為了人們生活的一部分，例如人機交互體驗、公共安全監(jiān)控、交通道路系統(tǒng)及軍事應用等。目前，目標檢測與跟蹤技術(shù)在性能上還存在很大的提升空間，本文旨在為目標檢測與跟蹤算法性能做出優(yōu)化，從而提升檢測與跟蹤的準確率、速度和穩(wěn)定性。
　　首先，對于單目攝像機采集的圖像，目標跟蹤難以解決以下幾個難題：（1）多目標之間相互遮擋；（2）目

2、標陰影造成的干擾；（3）外觀多樣性對跟蹤結(jié)果造成影響等。本文基于雙目視覺，恢復目標三維場景特征，有效地解決了目標遮擋以及陰影干擾帶來的問題，從而提高目標檢測與跟蹤的準確率。
　　其次，目前很多基于雙目視覺跟蹤算法通過獲得場景稠密深度信息圖，并對目標進行立體建模，實現(xiàn)對目標進行檢測與跟蹤。但這需要計算每個像素點的深度信息，因此跟蹤速度較慢。本文通過提取場景稀疏的Harris特征點，并手動設(shè)定監(jiān)控區(qū)域，過濾背景的特征點，從而減小算法計

3、算復雜度，加快目標檢測與跟蹤的速度。根據(jù)目標形狀特征，構(gòu)建核函數(shù)，并使用Mean-shift爬山算法對稀疏特征點進行聚類檢測。以行人跟蹤為例，行人在地面投影類似橢圓，Mean-shift聚類時構(gòu)造位置橢圓核函數(shù)。這樣不僅能加快目標檢測速度，而且可以避免因目標顏色、紋理等變化對檢測結(jié)果帶來干擾，具有更廣泛的應用意義。根據(jù)檢測結(jié)果，利用卡爾曼濾波算法可以建立序列圖像相鄰幀之間目標位置關(guān)系，從而對目標進行跟蹤。
　　坐標系，更好地對目標

4、特征點進行處理。但是一旦相機發(fā)生微小的偏移，可能會嚴重影響目標檢測與跟蹤結(jié)果。對于直立細長的目標，不同目標的特征點在地面上投影分得最開。因此本文根據(jù)已有的檢測結(jié)果，利用LDA算法求解投影平面，使得不同目標特征點分得最開，根據(jù)分析和實驗結(jié)果驗證可知，該平面即為地面。通過該方法可以自適應校正平面方程，當相機發(fā)生微小偏移時，可以自適應調(diào)節(jié)相機坐標系與世界坐標系之間的關(guān)系，從而增強系統(tǒng)的穩(wěn)定性。
　　本文對不同場景進行大量實驗，結(jié)果表明，