论文部分内容阅读
运动目标检测和追踪在目前计算机视觉方面是一个大的方向。面对研究的深入和应用的日渐广泛,其需要解决的问题也日益增多和复杂。需要应用的场景也更加多种多样。本文针对不稳定的背景以及自适应目标检测以及追踪丢失等问题对运动图像序列的目标追踪进行研究,论文完成的主要工作如下：(1)基于亮度补偿的图像序列前后帧配准研究面对运动目标跟踪的应用场景中,出现的摄像头不稳定的情况以及目标追踪不持续等情况本文通过各种改进方法提出了一种基于稳定特征点的前后帧配准算法。实现了目标追踪的应用方面的拓展。通过解决前后帧配准的问题,使得摄像头不稳定情况下的目标追踪能够用结合目前已有的目标追踪算法比如均值漂移或者粒子滤波等办法来解决。而前后帧配准过程中同时还应用了光照补偿和特征点计算等图像处理方法,使得最终的处理效果更加准确。算法对前后10帧图像进行稳定特征点提取来简化特征点的提取工作,同时不影响效果。通过少量的稳定特征点来获取配准参数,进而获得准确的配准结果。(2)自适应目标检测算法的研究针对自适应目标追踪的问题,提出了基于目标模板匹配的均值漂移目标检测算法。该算法是通过预先存储目标的模板图片的方法,在进行目标检测的初始阶段利用模板匹配算法进行目标的初始位置的搜索,并能达到较高的初始精确度,在同粒子滤波和卡尔曼滤波相比中心点误差降低将近10%。所提算法能够满足自适应目标检测的要求。(3)运动图像序列的目标持续追踪方法研究在目标持续追踪方面也是结合了kalman滤波和NCC模板匹配两种办法,提出了一种基于中心点的NCC模板匹配算法(CPNCC)和卡尔曼(kalman)算法的目标持续追踪算法,对运动目标的远近变化能保持较高的准确性。对光照变化则是采用基于相位一致性的办法对亮度变化具有鲁棒性。该方法巧妙地解决了运动目标在追踪过程中由于处于静止状态时kalman滤波无法继续追踪的问题,实现了目标的持续追踪效果。(4)运动图像序列目标追踪系统的实现结合上面3个研究内容,实现了算法的验证系统。系统基于matlab的图形界面编程。我们将验证系统分为三个子模块,分别用于实现以上三个研究内容的算法功能。最后对系统进行了测试,检验其有效性和完整性。