论文部分内容阅读
随着计算机软硬件性能的不断提升,各种新领域中的视频图像处理得到飞速发展,这也直接使机器视觉逐渐成为计算机研究范围内最为热门的研究方向之一基于视频的运动目标跟踪作为计算机视觉研究范围内的一个主要研究方向,在导航、军事等相关领域内具有十分可观的应用前景。视频目标跟踪是一种通过对需要被跟踪的目标物体的特征进行学习,建立目标的基本模型,然后在输入的视频图像序列中获取目标的信息,最后实现对目标的自动跟踪的技术。为实现视频运动目标跟踪的准确性及实时性,国内外许多学者提出了各种各样的跟踪算法,然而,在实际应用中视频运动目标的跟踪仍然要解决很多问题,如背景复杂、光照明暗变化、部分或者全部遮挡、目标表面的变化、目标运动加速等,这些因素都会导致目标跟踪的最终结果出现错误。因此,改进目标跟踪算法,提高算法的精确度、鲁棒性和实时性成为基于视频的运动目标跟踪系统研究的热点和主要难点。本文在对已有的经典目标跟踪算法进行研究与分析的基础上,提出了复杂环境下实现稳定跟踪目标的算法,该算法以时空上下文信息相结合作为主要思路,论文的主要创新点如下:1)提出一种目标跟踪的方法,该方法先是利用空间上下文信息实现目标的跟踪,然后利用改进的光流算法对跟踪结果进行辅助跟踪,最后融合这两种信息,获取最终的目标位置,实现目标的健壮性跟踪,实验结果也表明该方法能有效提高目标跟踪的鲁棒性。2)提出了一种改进的L-K光流算法,该算法利用空间结构性约束(S-expert)和时间结构性约束(T-expert)对目标结果区域进行修正,实现对目标区域进行修正的目标跟踪方法。并通过结合时空上下文信息,有效降低算法复杂度,确保目标跟踪的健壮性。本文首先对单摄像头固定场景下的运动目标跟踪的经典算法和理论进行了研究及仿真实现,并给出了实验分析结果;其次主要研究了动态场景中目标被遮挡和目标运动速度突变情况下的目标跟踪,在该场景下结合空间上下文信息的目标追踪算法及改进的L-K光流法进行了理论分析和实验仿真。仿真结果及实验分析表明,本文所提出的动态场景目标追踪的算法,能够相对于其他算法在同等环境下取得明显更优的跟踪效果,并且在复杂背景的情况下具备更好的鲁棒性。