基于特征點的運動目標檢測和跟蹤算法研究.pdf

1、圖像序列中的運動目標的檢測和跟蹤是計算機視覺研究的重要內(nèi)容，它在航空航天、智能機器人、自動監(jiān)控系統(tǒng)、醫(yī)學圖像分析以及視頻壓縮等領(lǐng)域都具有廣泛的應(yīng)用。 數(shù)字圖像由于在獲?。〝?shù)字化過程）和傳輸過程中受到脈沖影響而產(chǎn)生噪聲，噪聲去除的質(zhì)量將直接影響圖像分割、邊緣檢測、特征提取等后續(xù)處理的效果。椒鹽噪聲是圖像噪聲的一個重要種類，傳統(tǒng)椒鹽噪聲去噪方法存在模糊圖像邊緣等細節(jié)信息的缺點，本文對此進行了改進。算法首先根據(jù)椒鹽噪聲幅值分布特點把圖

2、像像素分為信號點和可能的噪聲點，然后利用方向信息、均方差來判斷可能的噪聲點是否為邊緣點，對邊緣點和真正的噪聲點采取不同的方法進行濾波。此外，引進迭代濾波的思想，在有效去除噪聲的基礎(chǔ)上較好地保留了圖像細節(jié)，提高了濾波的準確性和算法的自適應(yīng)性。 在運動目標檢測方面，為檢測出微小運動和緩慢變化，累積差分方法需要多幀圖像進行累積，不僅算法的時空開銷大而且檢出背景紋理多。對此，本文提出了加權(quán)累積差分方法，根據(jù)實際應(yīng)用確定最少累積幀數(shù)，在既

3、定幀數(shù)下根據(jù)幀間距不同對累積差分圖像的影響設(shè)置權(quán)值，進行加權(quán)累積。權(quán)值設(shè)置條件滿足既能檢測出微小運動和緩慢變化，又能有效抑制檢出噪聲點。加權(quán)累積差分方法既縮減了累積圖像的幀數(shù)，提高了目標檢測的速度，減少了誤檢出的背景紋理，又突出了相異幀差異的累積作用，有效檢測出微小運動和緩慢變化目標，大大提高了運動目標檢測的精度和效率。 在運動目標跟蹤方面，本文采用基于特征點的跟蹤方法。用包含灰度特征和幾何特征的一維向量來表征特征點，利用最大速

4、度原則確定特征點的匹配范圍，提高了運動目標跟蹤的效率。在逐幀進行特征點匹配時，為解決匹配錯誤進行回溯處理的問題，本文根據(jù)視差一致性原則設(shè)計出一種非回溯的誤匹配檢測方法，在匹配前最大限度地解決匹配錯誤及多對一匹配問題，提高了目標跟蹤實時性和魯棒性。當使用遮擋系數(shù)判定運動目標發(fā)生遮擋時，為每一個目標建立跟蹤矩形框，根據(jù)特征點匹配對的視差計算目標質(zhì)心的位置。當目標被完全遮擋時，確定矩形框相交疊部分內(nèi)的爭議點分別屬于哪一個運動目標，然后使用Ka