基于深度信息的目標(biāo)分割及跟蹤技術(shù)的研究.pdf

1、在分割及跟蹤的過(guò)程中，針對(duì)天氣、光照、復(fù)雜背景等傳統(tǒng)方法不能很好解決的問(wèn)題。本文提出一種融合深度信息的方法去分割目標(biāo)，針對(duì)跟蹤部分，以一種基于相似性度量的高效Mean Shift目標(biāo)跟蹤算法為主要研究對(duì)象。分割及跟蹤通過(guò)Matlab軟件仿真來(lái)驗(yàn)證算法的實(shí)現(xiàn)效果。
　　分割部分，傳統(tǒng)的圖像分割方法大致可分為兩類:基于邊緣的分割方法和基于區(qū)域的分割方法。傳統(tǒng)分割算法的過(guò)分割嚴(yán)重干擾了對(duì)真實(shí)目標(biāo)的提取。本文采用的方法是:首先對(duì)融合深度信

2、息的圖像進(jìn)行統(tǒng)計(jì)區(qū)域合并，這樣可以減少分割時(shí)復(fù)雜背景的干擾，得到初始分割區(qū)域，如果目標(biāo)與背景相似度高，會(huì)出現(xiàn)過(guò)分割現(xiàn)象，為了解決這個(gè)過(guò)分割問(wèn)題，需要進(jìn)一步處理，我們對(duì)得到的初始分割區(qū)域進(jìn)行顏色填充，準(zhǔn)備下一步分割，用graphcuts對(duì)過(guò)分割部分進(jìn)行處理，得到精確的目標(biāo)。這種方法是多種算法的融合得到滿意的結(jié)果。融合深度信息的分割方法是圖像分割中一種新的技術(shù)，事實(shí)證明，融合多種方法進(jìn)行分割更容易得到理想的結(jié)果。實(shí)驗(yàn)結(jié)果表明，該方法可以解決

3、很多實(shí)際性問(wèn)題，具有一定通用性，尤其對(duì)于較為復(fù)雜背景的圖像，處理效果顯著，減少了顏色相近的干擾。
　　跟蹤部分，概述了mean shift的基本理論，介紹了基于相似性度量的高效meanshift跟蹤方法，并指出算法的優(yōu)缺點(diǎn)及適用范圍。
　　新算法很好的對(duì)目標(biāo)分割及跟蹤，當(dāng)目標(biāo)與背景較為相似時(shí)，也能有效的將目標(biāo)與背景分離，從而使跟蹤結(jié)果更為準(zhǔn)確。本文通過(guò)實(shí)驗(yàn)對(duì)新算法進(jìn)行了實(shí)驗(yàn)分析，證明了新算法對(duì)于目標(biāo)與背景較為相似時(shí)，或目標(biāo)運(yùn)