论文部分内容阅读
随着计算机视觉和图像处理的快速发展,基于视频图像序列的目标跟踪已经成为计算机视觉研究领域的热点问题,尤其是对人体运动的研究在理论和实际应用中都有着非常重要的意义。本文的研究主要是针对在单目移动拍摄条件下,跟踪复杂背景中人体的运动,并实现大道速滑跟踪系统。大道速滑运动跟踪系统作为一个人体运动跟踪系统,综合了物体特征提取、运动预测和特征匹配处理等三个部分。它的研究主要涉及计算机视觉、图像处理、模式识别等众多学科领域。本文的移动拍摄视频运动跟踪,还涉及图像配准技术消除摄像机的运动。物体特征提取与匹配算法是运动跟踪的关键技术之一,好的特征和匹配算法可以提高运动跟踪精度和准确性。同时运动预测可以减少算法的计算时间,提高算法的鲁棒性。本文在阐述了国内外研究现状的基础上,主要完成的工作有:1采用图像配准技术消除摄像机的运动。该模块主要包括三部分:Harris角点检测、基于多约束条件的灰度相关的特征点匹配和基于RANSAC算法的变换矩阵求解。2提取运动人体区域特征和特征匹配算法。通过比较RGB颜色空间和HSV空间,提出在HSV颜色空间建立加权颜色直方图模型和基于颜色直方图的Bhattacharyya相似性算法。3建立运动预测模型和遮挡判断模型。分析了大道速滑运动员的运动特征,建立了大道速滑运动员的Kalman Filter预测模型,并给出采用Kalman Filter预测算法时单区域和多区域算法下的遮挡判断模型及遮挡处理算法。4跟踪定位阶段。本文在验证了Mean Shift跟踪算法和单区域跟踪算法的基础上,提出了多区域联合跟踪算法。该算法充分利用了运动目标的特征信息和运动信息,具有鲁棒性强,跟踪精度高的特点。其对目标部分遮挡的跟踪精度高于单区域跟踪算法。实验证明,本文提出的基于Kalman Filter预测的多区域联合跟踪算法可以解决大道速滑人体运动跟踪问题,且跟踪精度较高。