改進(jìn)的Camshift和Kalman相融合的跟蹤算法.pdf

1、人類認(rèn)識(shí)世界、感知世界所需要的信息主要是通過(guò)視覺(jué)來(lái)實(shí)現(xiàn)的。計(jì)算機(jī)視覺(jué)是通過(guò)計(jì)算機(jī)及一些相關(guān)設(shè)備對(duì)攝取的視頻圖像進(jìn)行分析和處理來(lái)實(shí)現(xiàn)對(duì)生物視覺(jué)的一種模擬。在科學(xué)和工程領(lǐng)域中，計(jì)算機(jī)視覺(jué)是一個(gè)熱門(mén)并且具有重大研究意義的課題。運(yùn)動(dòng)目標(biāo)的檢測(cè)及跟蹤作為計(jì)算機(jī)視覺(jué)的一個(gè)重要組成部分，被廣泛地應(yīng)用于軍事公安、智能交通等眾多領(lǐng)域。隨著信息科學(xué)技術(shù)的迅速發(fā)展，目標(biāo)檢測(cè)與跟蹤技術(shù)在社會(huì)生活中扮演著越來(lái)越重要的角色。
　　本課題主要研究運(yùn)動(dòng)目標(biāo)跟蹤算

2、法，包括場(chǎng)景建立、檢測(cè)和跟蹤三個(gè)方面。在對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤基本算法深入研究的基礎(chǔ)上，提出了對(duì)算法融合和改進(jìn)的方法，改善了算法的檢測(cè)與跟蹤效果。文章的內(nèi)容主要包括以下幾個(gè)部分：
　?。?）闡述了運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤算法的研究背景、現(xiàn)狀及意義，介紹了運(yùn)動(dòng)目標(biāo)跟蹤算法的實(shí)現(xiàn)流程，分析了影響運(yùn)動(dòng)目標(biāo)跟蹤質(zhì)量的主要因素以及目標(biāo)跟蹤算法所面臨的困難。
　　（2）介紹了平均背景模型法、統(tǒng)計(jì)直方圖法、單高斯和混合高斯模型四種背景模型的建立

3、方法，并對(duì)它們做了具體的分析，提出了將統(tǒng)計(jì)直方圖法與混合高斯模型相結(jié)合的背景建立方法。通過(guò)實(shí)驗(yàn)證明，改進(jìn)后的背景建模方法建立得到的背景圖像與實(shí)際的背景圖像更相似。
　?。?）對(duì)幀間差分法、三幀差法、背景減除法以及光流法進(jìn)行實(shí)驗(yàn)研究，并分析它們的檢測(cè)效果。在此基礎(chǔ)上，融合三幀差法和背景減除法檢測(cè)視頻圖像中感興趣的運(yùn)動(dòng)目標(biāo)區(qū)域，融合兩種算法處理可以獲得更完整的運(yùn)動(dòng)目標(biāo)信息。
　?。?）為了減少相似背景環(huán)境的干擾，改進(jìn)Camshi

4、ft跟蹤算法。將視頻中目標(biāo)圖像的HSV模型的三個(gè)分量分別做反向投影圖，再進(jìn)行加權(quán)處理，同時(shí)把整幀圖像反向投影的計(jì)算改為計(jì)算稍大于搜索窗口區(qū)域的反向投影。最后，融合改進(jìn)的Camshift算法與Kalman跟蹤算法，實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)有遮擋時(shí)仍然可以對(duì)目標(biāo)進(jìn)行準(zhǔn)確跟蹤的目的。
　　在VS2008及OPENCV2.1環(huán)境下進(jìn)行實(shí)驗(yàn)研究，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行深入分析。結(jié)果表明，本文提出的改進(jìn)算法能夠檢測(cè)到完整的感興趣的運(yùn)動(dòng)目標(biāo)區(qū)域，實(shí)現(xiàn)了有遮擋、