序列圖像中目標檢測與跟蹤算法研究.pdf

1、基于視覺圖像序列的目標檢測與跟蹤技術是計算機視覺研究領域的熱點，其在武器制導、安防監(jiān)控和智能機器人等方面有著廣泛的應用。本文針對靜態(tài)場景中運動目標的自動檢測、標記定位、軌跡預測和模板匹配等算法進行了研究。在滿足算法實時性要求的前提下，本文提出了抑制場景干擾的改進算法及其相關處理策略，實現了多個運動目標的檢測定位和選定單目標的連續(xù)穩(wěn)定跟蹤。
　　目標檢測定位主要實現序列圖像中可跟蹤目標的自動檢測和標記定位。在目標檢測過程中背景光照變

2、化，場景對象的低對比度和微小運動等現象都會干擾有效目標的正確檢測。論文對常用檢測算法進行了對比分析，選擇目標提取效果較好的背景差算法進行研究，并結合形態(tài)學濾波處理提出相應的改進方案。通過實驗結果驗證了本文搜索檢測算法可較好地提取出全視場范圍內的有效運動目標。為區(qū)分定位檢測出的多個有效運動目標，本文對遞歸和非遞歸兩種標記算法進行了研究，并分析總結了最優(yōu)標記算法的選取原則。同時，本文結合形心定位處理策略實現了多個運動目標的區(qū)分定位。完成檢測

3、定位后，通過人工選擇確定連續(xù)跟蹤的目標。
　　目標連續(xù)跟蹤是確定同一對象在不同幀所在位置的過程。本文的基本思路是利用圖像序列前后幀相關性，根據目標位置預測結果進行相似度匹配運算以實現連續(xù)跟蹤，即是“預測”-“匹配”-“修正”的算法框架。“預測”主要用于確定目標搜索匹配的范圍，保證算法不盲目進行位置匹配操作。本文主要對比研究了基于運動軌跡擬合和基于卡爾曼濾波器的預測算法，提出了預測算法的最佳選取原則。在位置匹配過程中，本文主要從模板

4、匹配跟蹤算法的角度進行了深入研究。在分析總結了不同匹配運算方案的基礎上，本文采用了具有較高匹配精度和較強抗干擾性的去均值化相關算法為基本方案。同時，為克服模板匹配算法實時性上的缺陷，論文研究并提出了對應的優(yōu)化加速算法方案。為保證目標連續(xù)穩(wěn)定跟蹤，本文針對實際應用場景研究設計了連續(xù)跟蹤階段的―修正處理策略，如基于二級閾值門限的相似度判決策略，基于動態(tài)加權法的自適應模板更新策略，以及基于改進差異累積圖像法的目標再捕獲檢測算法等。