论文部分内容阅读
目标跟踪在智能人机交互、医疗诊断、视频监控和军事等领域的广泛应用中不断凸显其应用价值,它也成为了计算机视觉、图像处理以及模式识别等领域的研究热点。因此,无论是在理论研究还是实际应用上,本课题都具有重要意义。现阶段的目标跟踪技术还不能完美地应用到实际用途中。如何实现对目标的准确识别与跟踪是一个公认的难题,其中的关键问题是如何自适应选择合适的特征对目标进行准确建模。本论文针对这一问题进行了探索和研究,将图像中提取的多特征信息进行融合来表示目标模型,改进了CamShift算法的跟踪性能。主要的工作成果可概括为以下几方面。首先在多特征融合方面,主要研究了目前典型的局部不变性特征、边缘特征。针对各特征的特点和优劣,对颜色特征和边缘特征进行加权融合以形成目标模型,为后续的跟踪算法做前期准备。其次在目标跟踪算法方面,研究了基于SURF特征匹配的CamShift跟踪算法。为了解决CamShift算法由于对颜色敏感导致的跟踪效果变差或失效的问题,提出了一种基于局部性特征匹配的CamShift跟踪算法。采用快速鲁棒特征(SURF)方法在多通道图像的目标区域和搜索区域提取包含图像信息的局部特征点,并利用近似最近邻搜索对特征点进行匹配;使用提纯后的匹配结果得到特征点的位置、尺度及方向信息,对CamShift方法进行约束和更新。进一步在目标跟踪算法方面,研究了基于特征融合与运动估计的CamShift跟踪算法。CamShift算法仅使用了颜色特征对目标建模,而没有使用同样包含目标信息的其他特征。鉴于此,提出一种基于特征融合与运动估计的CamShift跟踪算法。将颜色信息和边缘信息进行加权融合以形成目标的概率分布模型,并采用二阶自回归模型来修正目标位置和速度。再在LSV的组合颜色空间中,通过SURF方法对兴趣区域进行修正,以提高跟踪精度和稳定性。最后,使用VC++和OpenCV完成了跟踪算法的实现工作,并对算法作了实验与分析。实验结果表明,与经典CamShift算法以及同类的改进算法相比,本论文研究算法能够较好地实现对复杂背景下旋转和放缩运动目标的实时跟踪,并拥有较为出色的抗干扰能力。