论文部分内容阅读
双目立体视觉是计算机视觉研究领域的一个重要分支,在多种条件下都能够灵活准确的获得景物的深度信息,在图像处理和计算机视觉领域都有很重要的研究价值和研究意义。运动目标检测与跟踪一直是计算机视觉领域研究的核心课题之一,在军事视觉制导、视频监控、虚拟现实、医疗诊断、智能交通、工业产品检测等方面都具有重要的实用价值及广阔的发展前景。传统的基于单目视觉的目标检测与跟踪算法鲁棒性比较差,而且难以在复杂场景中实现对运动目标准确检测与跟踪,在运动目标较多、发生遮挡时难以准确对运动目标进行跟踪。针对以上问题,本文采用双目立体视觉技术来实现对运动目标的检测与跟踪。主要研究工作有:1.对立体匹配算法做了深入的研究,针对传统的立体匹配算法速度慢、准确性差、容易出现误匹配等问题,提出了一种融合光流的立体匹配算法。该方法没有了核心点的限制,因此可以在种子点集中的面积域中进行边缘相关性研究,而且对相关性的研究不仅在左右图像对中而且在连续图像序列中进行,通过对右图像序列中候选点的光流的计算与左图像序列中的种子点进行匹配,提高了匹配的速度和精度。2.对背景差分法做了深入的研究,通过对单目和双目立体视觉在目标检测中的应用分析,研究各自的优缺点,提出了基于视差的目标检测方法和基于灰度的目标检测方法相结合的算法进行运动目标检测。该方法是将两种算法检测出的前景目标相交部分作为运动目标,克服了双目视觉在目标检测中难以准确的获得目标轮廓,单目视觉容易受环境变化影响的缺点,可以在环境光线发生变化时、物体被照射产生阴影时、目标发生遮挡时准确检测出运动目标,从而提高目标检测的稳定性。3.在检测出运动目标的基础上,首先对CamShift跟踪算法进行分析,然后针对CamShift跟踪算法容易受背景颜色及目标相似颜色的干扰的问题,提出了将双目立体视觉和CamShift跟踪算法相结合来实现对运动目标的跟踪。该方法首先是采用基于视差的背景差分法检测出运动目标,并获得其深度信息,去除背景干扰;然后只对去除背景的前景运动目标运用CamShift算法进行跟踪。该方法在实现过程中还引入了Kalman滤波算法,用Kalman滤波对运动目标的位置与速度进行预测,采用不同的比例因子将CamShift算法得到的跟踪结果与卡尔曼滤波预测结果进行线性组合。充分利用了目标的空间位置及速度信息,能够克服环境光线变化以及具有相似颜色的运动目标遮挡问题,提高了跟踪的可靠性。