论文部分内容阅读
实时目标跟踪技术是计算机视觉领域中研究热点之一。在安全检测、机器人导航、人机交互、军事应用等领域中有着广泛的应用价值和前景。本文在总结了目前已有的主流跟踪方法之后，提出了一些有效的算法，并实现了一个实时的目标跟踪系统。论文的主要贡献归纳如下：
(1)在HSV颜色空间中采用带空间加权的直方图来描述颜色特征，并提出了一种基于主颜色的目标提取方法，可以有效的减少目标区域内背景噪声的干扰。提出结合该颜色特征与目标的表象特征进行跟踪，有效的提高了目标跟踪的准确性，能解决具有不规则形状和倾斜状态目标的跟踪问题。
(2)在对以往众多目标跟踪算法进行分析的基础上，提出了一种改进的粒子滤波优化算法，并将其应用在实时的目标跟踪系统中。该算法利用多阶迭代选择性的使用粒子，减少了粒子的数量需求并提高了粒子的质量，有效的提高了目标跟踪的速度和精度。
(3)在微小目标跟踪中，目标由于其面积太小而无法利用前景提取特征来描述，同时复杂的背景会给微小目标带来很大的干扰，因此需要应用特殊的跟踪和检测方法。本文在对可见光条件下微小运动目标的分析研究中做出了以下贡献：基于加权直方图的原理，提出了前背景贡献图的思想，并将此贡献图应用在管道流水跟踪框架中，从目标描述角度提高了对背景的鲁棒性；将粒子滤波的采样思想应用在微小目标跟踪中，解决特殊背景下的目标跟踪。实验证明，这些算法能够有效的改进对复杂背景下微小目标的跟踪性能。