基于Camshift算法的目標(biāo)跟蹤問題研究.pdf

1、Camshift跟蹤算法具有魯棒性好、易實(shí)現(xiàn)和計(jì)算高效的優(yōu)點(diǎn)，這使它在計(jì)算機(jī)視覺領(lǐng)域發(fā)揮著重要作用。它以目標(biāo)的顏色特征建立目標(biāo)模型，在未來幀中尋找與目標(biāo)模型相匹配的候選模型，得到目標(biāo)的質(zhì)心。但是當(dāng)跟蹤中出現(xiàn)目標(biāo)的顏色發(fā)生變化、遇到大面積背景顏色和目標(biāo)顏色相似或者目標(biāo)被遮擋時(shí)，原先建立的目標(biāo)模型就不能很好的匹配到對應(yīng)的幀，Camshift算法跟蹤的魯棒性就不能保證。本文針對跟蹤中出現(xiàn)的上述問題，采用了一些對應(yīng)的解決方案。
　　 (

2、1)針對目標(biāo)跟蹤中由于目標(biāo)顏色變化或目標(biāo)遇到相似顏色背景干擾導(dǎo)致魯棒性差的問題，提出了一種累積多級顏色特征并融合紋理信息的算法。該算法分顏色、紋理特征的提取和目標(biāo)與背景特征相似度判斷兩個(gè)子過程，整個(gè)跟蹤過程分兩個(gè)子過程交替執(zhí)行。在目標(biāo)顏色發(fā)生變化時(shí)，利用感興趣區(qū)域(RoI)幀差法，對目標(biāo)進(jìn)行再定位，提取多級顏色模板，然后累積在原來的模板之上。大量實(shí)驗(yàn)結(jié)果表明，該改進(jìn)算法可以魯棒的跟蹤到復(fù)雜背景下顏色多變的目標(biāo)。
　　 (2)為了

3、解決視頻跟蹤中的遮擋問題，對用于運(yùn)動預(yù)測的粒子濾波算法進(jìn)行了深入的研究。在此基礎(chǔ)上，結(jié)合了分塊跟蹤算法的思想，并且運(yùn)用自適應(yīng)線索整合方案，最后把它嵌入到粒子濾波跟蹤算法中。在計(jì)算每一個(gè)粒子的權(quán)重之前，先用Camshift算法把所有粒子收斂到目標(biāo)實(shí)際位置，而且為了更好的區(qū)分遮擋，目標(biāo)模板的每一個(gè)圖像塊的權(quán)值根據(jù)當(dāng)前幀的圖像內(nèi)容進(jìn)行自動的調(diào)整。從獲得的實(shí)驗(yàn)結(jié)果可以看出，該算法以較少的時(shí)間消耗換得了較高的跟蹤精度。
　　 (3)重點(diǎn)研

4、究了目標(biāo)在被相似顏色的物體遮擋的問題，采用了如下解決方案:在目標(biāo)出現(xiàn)跟蹤錯(cuò)誤后，給出跟蹤無效標(biāo)記，在判斷出目標(biāo)重新出現(xiàn)時(shí)，對目標(biāo)重新識別。該算法采用直方圖交集和目標(biāo)位置信息雙重因素作為判斷目標(biāo)是否丟失的依據(jù)，然后結(jié)合圖像分割算法重新分層搜索目標(biāo)。跟蹤結(jié)果表明，該算法能在目標(biāo)丟失后，再次出現(xiàn)時(shí)，快速準(zhǔn)確的重新鎖定到目標(biāo)。
　　 對上述的三種算法分別進(jìn)行了大量的仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果和跟蹤誤差分析都表明，本文的改進(jìn)算法能以較小的時(shí)間代價(jià)