基于局部特征的紅外目標(biāo)跟蹤技術(shù)研究.pdf

1、紅外目標(biāo)跟蹤就是獲取紅外視頻圖像序列中感興趣目標(biāo)的位置，速度，大小以及目標(biāo)運(yùn)動(dòng)軌跡等信息，實(shí)現(xiàn)對(duì)目標(biāo)行為的理解和描述，進(jìn)而完成更高級(jí)別的任務(wù)的過程。隨著紅外探測(cè)技術(shù)的發(fā)展，紅外目標(biāo)的跟蹤已廣泛應(yīng)用于軍事視覺制導(dǎo)、機(jī)器人視覺導(dǎo)航、安全監(jiān)測(cè)、交通管制以及醫(yī)療診斷等方面。但是，由于紅外圖像中復(fù)雜的背景信息以及目標(biāo)本身的變化，如尺度變化，遮擋和光照等造成的外觀變化等原因，導(dǎo)致開發(fā)出具有魯棒性，準(zhǔn)確性的紅外目標(biāo)跟蹤算法面臨許多挑戰(zhàn)。
　　針

2、對(duì)以上問題，本文提出在卡爾曼濾波(Kalman Filter, KF)和加速魯棒特征(Speeded Up RobustFeature, SURF)的基礎(chǔ)上實(shí)現(xiàn)對(duì)紅外目標(biāo)進(jìn)行跟蹤的算法。本文的主要改進(jìn)方面如下：
　　1.提出基于視覺注意機(jī)制的加權(quán)SURF跟蹤算法。該算法將視覺注意機(jī)制引入跟蹤算法,首先對(duì)當(dāng)前幀和目標(biāo)模板中的SURF進(jìn)行匹配，然后以當(dāng)前幀中SURF與預(yù)測(cè)的目標(biāo)中心之間的距離為加權(quán)基準(zhǔn)，對(duì)較近的SURF賦予較大權(quán)值，較

3、遠(yuǎn)的賦予較小權(quán)值，最后根據(jù)這些已加權(quán)SURF的位置信息和尺度信息實(shí)現(xiàn)目標(biāo)的定位和跟蹤框的自適應(yīng)調(diào)整。
　　2.提出基于加權(quán)SURF的尺度自適應(yīng)紅外目標(biāo)跟蹤算法。首先，獲取目標(biāo)模板，通過KF預(yù)測(cè)目標(biāo)在當(dāng)前幀圖像的位置；其次，根據(jù)此位置確定一個(gè)檢測(cè)區(qū)域；然后，對(duì)當(dāng)前幀檢測(cè)區(qū)域提取特征點(diǎn)并與目標(biāo)模板的特征點(diǎn)進(jìn)行匹配；最后，利用提出的基于視覺注意機(jī)制的加權(quán)SURF算法獲取目標(biāo)的最終位置和尺度等信息。此算法可以摒棄一些不可靠的特征點(diǎn)，避免其

4、對(duì)目標(biāo)定位造成影響，進(jìn)而導(dǎo)致跟蹤失敗。經(jīng)過大量的實(shí)驗(yàn)證明，此算法能夠?qū)Τ叨却嬖谧兓哪繕?biāo)實(shí)現(xiàn)準(zhǔn)確的跟蹤。
　　3.提出基于灰度模型五框法的抗遮擋紅外目標(biāo)跟蹤算法。首先，用Kalman預(yù)測(cè)的目標(biāo)位置決定一個(gè)尺度和上一幀相同的跟蹤框；其次，在這個(gè)框的上、右、下、左邊框的中心分別建立四個(gè)和上一幀同樣大小的跟蹤框，共五個(gè)臨時(shí)候選區(qū)域；接著，通過計(jì)算目標(biāo)模板與這五個(gè)臨時(shí)候選區(qū)域灰度直方圖的相似系數(shù)，取相似系數(shù)最大的候選區(qū)域?yàn)楹蜻x目標(biāo)區(qū)域；最