论文部分内容阅读
计算机视觉一直属于比较热门的研究领域。计算机视觉中的一个重要分支是目标的跟踪。目标跟踪以及轨迹记录在交通监控、行人流量、天文观测、导航制导、武器装备的研发等领域有着很实用的价值。KCF(kernelized correlation filters)跟踪法是一种新型的高速跟踪算法。算法的主要目标是建立一个分类器,这个分类器能够正确分类背景以及目标。由于利用了循环矩阵构成样本,该跟踪算法的主要特征是训练速度、检测速度都较快速。因此,在一些实时性要求较高的系统中或者目标移动速度较快的跟踪算法应用中,具有比较广阔的前景。本文详细介绍了KCF跟踪算法,本文描述的系统中使用了KCF高速跟踪算法来跟踪移动速度较快的目标,取得了比较理想的效果。在图像特征提取与匹配算法中研究多种快速匹配算法,并在系统中使用ORB(oriented FAST and rotated BRIEF)快速算法。完成特征点提取后,在完成对应点的匹配工作中,利用到了PROSAC优化算法。本系统中ORB与PROSAC将算法结合起来。使用模糊辨识这种非线性拟合算法来拟合离散的坐标点,拟合的同时能够起到降噪的作用。最终得到准确的目标运行轨迹。实验表明本系统在性能上能够满足实用性的需要。然后运用本文提到的算法在OpenCV环境下完成了:1.完成了高速度的目标跟踪算法,解决了系统要求的实时性问题,并能够满足系统精度的需求性;2.改进KCF算法使其能够识别并跟踪我们需要的目标;3.结合快速特征提取以及匹配算法,并使用匹配优化算法,解决了计算机视觉双目测距中两幅图像的对应点计算较慢,匹配精确度不高的问题;4.通过非线性拟合算法拟合每帧中的目标坐标得到准确的目标的运行轨迹。解决了目标轨迹拟合不够精确的问题。