论文部分内容阅读
基于视觉图像的目标跟踪技术是近年来计算机视觉领域的一个研究热点,广泛应用于安全监控、车辆自主驾驶、导航制导与控制、人机交互等领域。在目标快速移动、遮挡、目标形变、各类背景噪声的影响下如何实时、准确地实现目标跟踪是现阶段研究的难点,因而研究基于视觉图像的目标跟踪技术具有重要的理论和实际应用价值。首先,介绍了基于视觉图像的目标跟踪技术在国内外的研究现状,分析了目标跟踪的现有方法,指出了基于视觉图像的目标跟踪技术研究的难点。其次,研究了视觉图像和卡尔曼滤波相结合的移动目标跟踪算法。在实施跟踪前对目标图像进行预处理以改善图像质量,再通过运动目标检测把目标从背景中提取出来,在此基础上结合卡尔曼滤波预测估计目标的位置信息,利用目标形心实施跟踪。随后,研究了视觉图像和均值偏移相结合的移动目标跟踪算法。针对均值偏移算法不能跟踪快速目标的特点,采用均值偏移算法和卡尔曼滤波器相结合的算法,卡尔曼滤波器预测目标在本帧的可能位置,并利用均值偏移算法在该位置邻域内搜索目标,从而实现对快速运动目标的良好跟踪,且对受遮挡的目标具有很好的跟踪能力。同时采用目标跟踪窗口自适应调整的方法进一步改进均值偏移算法,以提高运动目标跟踪的适应性和精度。接着,在研究均值偏移算法的基础上,为了克服均值偏移算法缺乏必要的模型更新的缺点,将均值偏移算法扩展到连续图像序列形成CamShift算法;采用CamShift算法结合卡尔曼滤波算法实现目标预测,再通过基于改进搜索窗口的搜索策略完成目标搜索,进而实现对移动目标的稳定快速跟踪。最后,研究了视觉图像和粒子滤波相结合的移动目标跟踪算法。采用了目标位移和噪声方差的自适应更新、目标模板更新的方法对粒子滤波方法加以改进,实现在目标被遮挡或者存在大量噪声情况的跟踪。为克服粒子滤波算法的退化现象和复杂的计算难度,将均值漂移嵌入到粒子滤波算法里面实现移动目标跟踪,实验结果表明,当目标快速运动、遮挡和背景噪声干扰时,改进算法都能保证移动目标跟踪的实时性和鲁棒性。