论文部分内容阅读
视觉跟踪在工业生产领域中的应用已经取得了很多成果,主要集中在汽车、工程机械、电子、焊接等行业。本文选择工业环境下传送带上的运动目标为主要研究对象,实现了一套视觉跟踪框架:首先利用基于混合高斯模型的背景差分法对目标检测,然后利用基于轮廓特征的目标识别算法对目标进行识别,最后用结合卡尔曼滤波的均值飘移跟踪算法和基于改进的Camshift跟踪算法分别对目标进行跟踪。本文的主要内容为:(1)对现有工业流水线中的三种常用目标检测算法进行了研究并比较,提出了基于混合高斯模型的背景差分检测算法。实验证明该算法在背景变化的工业生产线场合具有较好的检测性能。(2)由于很难用周长、面积、角度、直径等几何常量描述目标在平面视觉图像中的特征,本文提出了基于轮廓特征的目标识别算法,该算法可以用于任意形状的目标识别。实验结果得出,基于轮廓特征的识别算法具有很好的识别准确性和实时性。(3)针对传送带上的运动目标被完全遮挡时,均值飘移算法容易跟丢目标的问题,提出了结合卡尔曼滤波的均值飘移跟踪算法。并对遮挡进行了判断和处理,利用均值飘移算法得到的当前帧观测值和卡尔曼滤波器对跟踪目标位置的估计值之间的残差来判断遮挡程度。对于只依赖目标颜色信息进行跟踪的Camshift算法容易受同色干扰而造成跟踪目标丢失的问题,利用基于混合高斯背景建模对同色干扰问题进行处理。为了提高算法抗遮挡能力,同时也运用了卡尔曼滤波修正运动目标的位置。实验表明,结合卡尔曼滤波的均值飘移跟踪算法和基于改进的Camshift跟踪算法能够有效的解决遮挡和同色干扰问题,满足了一般工业环境下流水线上目标跟踪的鲁棒性和准确性要求。