基于形变模型和目标特征的目标跟踪算法研究
随着计算机视觉技术以及图像处理技术的不断发展，目标跟踪技术在安防工程、精确制导以及国防工业等具有越来越广泛的应用，同时也是自动控制、模式识别以及计算机视觉里的研究热点。本文以视频监控为课题研究背景，主要围绕基于目标跟踪的算法进行了相关研究。 首先，本文针对目标检测的方法进行了深入的分析，提出了一种适用于跟踪系统的目标检测算法，该算法结合差异累积背景建模以及背景更新策略，有效克服了在跟踪过程中的背景获取不准确以及背景更新不够实时的难点，该算法对干扰目标有一定的抑制作用。 然后，本文研究了两种主流的目标跟踪算法，它们分别是基于GVF-Snake的粒子滤波算法和基于梯度方向直方图的多核跟踪算法。首先我们提到的是基于GVF-Snake的粒子滤波算法。相比传统的Snake算法，GVF-Snake有更强大的搜索能力，能够更准确地找到目标的轮廓，而且对于初始点不太敏感。同时，考虑到跟踪场景的复杂性，我们通过调整轮廓点数量以适应变形运动目标，以轮廓作为目标的特征进行粒子滤波，研究在运动过程中存在形变的物体的跟踪。实验证明该算法能够在一定程度上跟踪变形目标。基于梯度方向直方图的多核跟踪算法将梯度方向直方图在目标检测中的优势引入目标跟踪领域中，考虑到目标被遮挡的情况，本文将目标分成若干子块，并且分别提取其梯度方向直方图。目标模型与候选模型之间的相似度通过Bhattacharyya系数之和来衡量，然后利用Mean Shift算法来最大化相似度达到跟踪的目的，而且该算法通过抑制边缘像素权值来尽量保留目标的局部信息。实验证明该跟踪算法能实现对目标的跟踪，对目标的定位较为精确，并且对目标遮挡具有一定的鲁棒性。 最后，本文依托摄像机以及云台硬件设备，结合图像采集卡开发了一套用于室内场景下目标自动检测与跟踪系统，并且给出了系统工作原理和工作流程以及系统的软件框架，通过在该平台上的跟踪实验验证了以上两种跟踪算法的实用性。
目标跟踪算法;变形模型;Mean Shift算法;粒子滤波;特征提取;视频监控
东北大学
硕士
模式识别与智能系统
魏颖
2010
中文
TP391.41
87
2014-02-25（万方平台首次上网日期，不代表论文的发表时间）