基于特征點(diǎn)的目標(biāo)檢測(cè)與跟蹤快速算法研究.pdf

1、運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)是計(jì)算機(jī)視覺領(lǐng)域中的一個(gè)研究熱點(diǎn)，其主要目的是從視頻序列中檢測(cè)出運(yùn)動(dòng)目標(biāo)，并在對(duì)目標(biāo)有效識(shí)別與可靠跟蹤的基礎(chǔ)上，理解和描述目標(biāo)的行為。動(dòng)態(tài)視頻背景下的目標(biāo)檢測(cè)與跟蹤算法因視頻背景運(yùn)動(dòng)與目標(biāo)運(yùn)動(dòng)的不確定性使得研究人員難以找出一種普遍適用的解決方案，這類算法主要包括背景補(bǔ)償與圖像預(yù)處理、圖像分割與目標(biāo)檢測(cè)、特征提取和目標(biāo)跟蹤三項(xiàng)關(guān)鍵技術(shù)。而基于特征點(diǎn)的目標(biāo)檢測(cè)與跟蹤算法是解決這類問題中較為常見，也是應(yīng)用較為廣泛一種。所

2、以本文針對(duì)基于特征點(diǎn)的目標(biāo)檢測(cè)與跟蹤算法進(jìn)行了系統(tǒng)分析和深入研究。
　　目前，基于特征點(diǎn)的目標(biāo)檢測(cè)與跟蹤算法仍存在諸多待解決的問題。首先由于傳統(tǒng)的特征點(diǎn)檢測(cè)算法耗時(shí)量較大，使得其雖然具有較好的目標(biāo)檢測(cè)效果卻難以應(yīng)用于實(shí)時(shí)系統(tǒng)。其次由于動(dòng)態(tài)視頻背景圖像特別是航拍視頻圖像可能發(fā)生平移變化、旋轉(zhuǎn)變化、縮放變化以及圖像中目標(biāo)被背景遮擋的情況，這些因素使得在對(duì)目標(biāo)的跟蹤過程中可能丟失目標(biāo)。所以，本文針對(duì)以上問題進(jìn)行分析和研究，提出了適當(dāng)?shù)慕?/p>

3、決方案，并通過大量實(shí)驗(yàn)對(duì)提出的方法進(jìn)行了驗(yàn)證。本文的研究?jī)?nèi)容與取得成果包括：
　　1.針對(duì)傳統(tǒng)的基于特征點(diǎn)的目標(biāo)檢測(cè)算法在特征點(diǎn)檢測(cè)環(huán)節(jié)耗時(shí)較長(zhǎng)，實(shí)時(shí)性較差的問題，提出了一種基于自適應(yīng)通用加速分割的二進(jìn)制特征點(diǎn)檢測(cè)算法。本文研究了幾種傳統(tǒng)的特征點(diǎn)檢測(cè)算法，并在此基礎(chǔ)上提出了一種基于自適應(yīng)通用加速分割的ORB特征點(diǎn)提取與匹配算法，即將ORB算法中的FAST算子改為AGAST算子以實(shí)現(xiàn)特征點(diǎn)的精確定位與快速生成。將改進(jìn)的ORB特征點(diǎn)用

4、于動(dòng)態(tài)視頻背景圖像的特征點(diǎn)提取與匹配，對(duì)視頻序列的動(dòng)態(tài)背景進(jìn)行補(bǔ)償，并采用多幀間隔差分圖像累加的方法，配合形態(tài)學(xué)運(yùn)算與邊緣檢測(cè)實(shí)現(xiàn)目標(biāo)檢測(cè)。通過實(shí)驗(yàn)驗(yàn)證，本文算法與傳統(tǒng)算法相比具有更強(qiáng)的實(shí)時(shí)性，且對(duì)于不同類型的圖像具有較強(qiáng)的適應(yīng)性。
　　2.針對(duì)動(dòng)態(tài)視頻背景圖像下目標(biāo)跟蹤算法中特征點(diǎn)提取與匹配耗時(shí)較長(zhǎng)、跟蹤目標(biāo)易丟失的問題，提出了一種基于改進(jìn)的ORB特征點(diǎn)的卡爾曼濾波跟蹤算法。首先采用改進(jìn)的ORB特征點(diǎn)提取和匹配目標(biāo)圖像模板與每幀