论文部分内容阅读
随着计算机视觉理论的发展,视频中的运动目标分析技术有了很大的进步。其中。视频图像中的运动目标跟踪在计算机视觉研究当中具有重大的研究意义。现在已经被广泛的应用到视频监控、视觉导航、人机交互等研究领域。国内外已经对运动目标跟踪进行了大量的研究,也提出了一些有效可行的方法,但对于复杂场景下的运动目标跟踪问题,设计出一个同时确保跟踪方法的实时性、准确性、以及鲁棒性的方法仍然是一个很有挑战性的课题。本文基于目标的历史运动信息,对复杂视觉环境下的运动目标跟踪问题进行分析研究,所做的主要的工作如下:首先介绍了关于运动目标跟踪问题的国内外研究现状以及发展趋势,并阐述分析了运动目标跟踪的相关理论基础。然后针对传统方法在目标本身外观发生变化以及场景变化例如遮挡和光照改变等的情形下容易产生漂移或者是跟丢的现象,提出一种基于带时间片的运动历史图像(tMHI—HSV)的双模板匹配(DTM)实时运动目标跟踪方法。用运动历史图像分割方法对图像序列中的运动目标进行分割后得到带时间片的运动历史图像,获取目标的历史运动信息。该方法对多帧图像进行分析处理,具有更强的鲁棒性,同时结合HSV颜色空间特征来描述目标外观模型。考虑到在跟踪过程中目标的外观会发生很大的变化,设计一种双模板匹配策略对目标进行定位。与传统方法使用初始帧目标当做目标模板不同,本文保留初始的离线模板,同时实时更新在线模板,并按设置的阈值更新离线模板,使用两个模板进行匹配定位,确保了跟踪的准确性和鲁棒性。最后,通过融合边缘方向和颜色特征来描述目标模型,提出一种基于tMHI的多特征融合双模板匹配(DTM)跟踪方法。该方法将颜色直方图和边缘方向直方图联合起来描述目标,并自适应的根据两种特征的相似度来分配权值,最后计算得到融合后的相似度进行匹配,定位目标。实验分析表明多特征融合表达目标的有效性,尤其是在一些背景模糊的情况下,比原来使用单一颜色特征描述目标的方法的跟踪效果要好。