论文部分内容阅读
视频图像目标跟踪是计算机视觉研究领域中的关键技术之一,在各类视频监控场合中得到了广泛的应用。由于在目标跟踪过程中会受到各种外界环境因素干扰而产生积累误差,在持续的跟踪过程中,采用传统的目标跟踪算法会经常出现跟踪模板漂移现象,从而影响到目标跟踪的精准度。如何有效抑制和纠正跟踪模板漂移,实现精准、实时的目标跟踪已成为当今计算机视觉研究领域中的热点问题。论文主要针对视频图像目标跟踪过程中出现的模板漂移现象进行了分析。基于模板漂移成因分析结果,提出了新的基于累加合成漂移纠正和基于主动漂移加权修正的目标跟踪算法。根据实际应用需求,进一步地对互遮挡情况下多目标跟踪算法进行了探索性的研究,提出了基于双边滤波的角点检测多目标跟踪方法。论文的主要研究工作包括:(1)对传统视频图像目标跟踪算法在目标跟踪时出现的漂移现象进行了机理分析,对国内外当前对于跟踪模板漂移纠正与抑制相关技术的研究现状以及其发展趋势进行了综述分析。(2)对比研究了传统的Lucas-Kanade算法,累积合成仿射配准算法以及被动漂移纠正目标跟踪算法,分析了它们产生模板漂移的原因,并对累加合成仿射配准算法做了改进与优化,提出了基于累加合成漂移纠正的目标跟踪算法。实验结果验证了该方法对跟踪模板漂移的纠正与抑制作用。(3)在基于累加合成漂移纠正目标跟踪算法的基础上,设计了新的系数加权优化方法,通过在算法中引入新的权重系数,完善了目标跟踪表达式,从而提出了基于主动漂移加权修正的目标跟踪算法,解决了目前目标跟踪方法难以克服的模板累积漂移问题,实验结果验证了改进后的算法在计算效率和鲁棒性等方面的优越性。(4)提出了一种改进的基于双边滤波的角点检测方法,通过把高斯低通滤波器用双边滤波器进行了替换,运用双阀值角点检测来提取相关的角点特征,增强了算法的稳定性。采用K近邻分类器分类跟踪区域里集合的相关角点信息,实现被遮挡的目标有效分离。实验结果证明了该算法可以对遮挡情况下的多目标进行准确的跟踪。