基于改进的CAMSHIFT算法的视频目标跟踪系统的研究与设计

论文摘要

基于视频的目标跟踪技术最早应用于军事领域,近年来随着其所依托的计算机技术的高速发展,以及图像采集硬件性能的大幅提高,该技术已经广泛应用于各种民用产品当中,与人们的日常生活越来越息息相关。Camshift算法是一种基于图像颜色特征的目标跟踪算法,由于具有对目标形变不敏感,实时性好等特点近年来倍受青睐。本文以Camshift目标跟踪算法为理论基础,以体育比赛为主要试验场景,设计了一种用于跟踪球员运动轨迹,并进而得出该球员的活动区域以及跑动距离的跟踪系统,同时,针对传统Camshift算法的一些缺陷,提出了一些改进的方案。在目标初始化阶段,传统Camshift算法只是利用鼠标圈取包含目标的单一矩形框作为跟踪目标,有一定的随意性,并且由于目标轮廓的不规则,在矩形框内必然混入一些环境背景信息,影响目标颜色直方图的准确性,给后续跟踪带来误差,为解决这一问题,本文提出了利用两次选取来减少目标选取阶段带来的误差。在利用Camshift算法进行跟踪阶段,由于图像质量的原因,算法需要对目标区域的像素进行选取,以消除这一干扰对生成的颜色直方图带来的误差,然而选取的阈值并未有标准的尺度,通常只是设置固定的阈值,这样的结果会使跟踪区域像素颜色的零阶矩大小产生无序变化,进而导致与零阶矩密切相关的搜索窗口大小发生剧烈改变,尤其是在跟踪相对较远距离的目标,或者目标被部分遮挡时,这样的变化会经常会造成目标的丢失,并且无法再次恢复,对于这一问题,本文提出了对搜索窗口大小的调整设置保护措施以及采用自适应的筛选阈值下限的方法来防止当上述情况出现时,由于搜索窗口无限缩小或扩大而导致的跟踪目标丢失的问题。通过实验对比,相比于传统的Camshift算法,改进后的Camshift算法在对目标跟踪的稳定性和准确性方面有明显的提高,对背景的适应能力更强。网球是非常受人们热爱的一种体育运动,但如何评价选手赛场上的表现,以及如何及时准确的掌握比赛选手的跑动距离,活动区域等信息目前基本上还是依靠人们的主观感觉,并没有更多的可靠数据来做定性分析。同样,在一场比赛过程中,一名选手为了更及时的掌握比赛对手的状态,打法特点等,也需要尽可能实时的获取对方的累计移动距离,以及经常出现的区域等方面的信息。基于以上的问题,本课题利用经过改进后的Camshift算法,设计了一种对网球赛场上运动员跑动距离进行测算,并通过图像能够直观显示出球员主要的跑动区域的方法,最后在VC++环境中将其实现。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景
• 1.2 国内外研究的成果以及进展
• 1.3 课题主要研究内容
• 1.4 论文章节安排
• 第二章 目标跟踪系统概述
• 2.1 目标跟踪系统介绍
• 2.1.1 目标跟踪系统定义
• 2.1.2 目标跟踪系统特点
• 2.1.3 目标跟踪系统组成
• 2.2 目标跟踪及相关图像处理学的基本理论
• 2.2.1 图像获取
• 2.2.2 图像变换
• 2.2.3 图像增强
• 2.2.4 图像分割
• 2.2.5 目标检测及其与目标跟踪的联系和区别
• 2.3 典型的目标跟踪方法及各种方法的比较
• 2.3.1 基于相关的目标跟踪方法
• 2.3.2 基于光流的跟踪算法
• 2.3.3 基于特征的目标跟踪方法
• 2.4 Meanshift和Camshift
• 2.4.1 Camshift的历史
• 2.4.2 Camshift的特点
• 2.4.3 Camshift算法的流程
• 2.4.4 色彩空间转换及H分量的提取
• 2.4.5 搜索窗质心位置的确定
• 2.4.6 Camshift的不足之处
• 2.5 本章小结
• 第三章 目标区域初始化方法的改进
• 3.1 试验的运行环境及OpenCV简介
• 3.2 目标区域的初始化
• 3.2.1 传统Camshift算法对目标窗口的初始化方法及其缺陷
• 3.2.2 目标初始化的改进方法
• 3.3 两种初始化搜索窗口方法的比较
• 3.4 本章小结
• 第四章 Camshift算法中关于跟踪区域像素筛选的阈值的研究与改进
• 4.1 改进的筛选阈值方法去噪
• 4.1.1 噪声及其对跟踪结果的影响
• 4.1.2 Camshift中传统的对阈值的筛选方法
• 4.1.3 自适应阈值法去噪
• 4.2 自适应阈值法的实现
• 4.2.1 自适应阈值法实现的部分程序
• 4.2.2 试验结果对比
• 4.3 本章小结
• 第五章 改进的Camshift算法在网球比赛中的应用
• 5.1 球场区域的确定
• 5.1.1 任意视角图像转换成基于平面直角坐标系的球场的实现
• 5.1.2 图像坐标空间转换的程序
• 5.2 基于改进的camshift算法的球员移动区域的检测
• 5.2.1 球员活动范围检测的现实意义
• 5.2.2 球员出现位置在生成图像中的显示方法
• 5.2.3 数据溢出的处理方法
• 5.3 基于改进的Camshift算法的球员跑动距离的测量
• 5.3.1 球员跑动距离的现实意义
• 5.3.2 通过坐标转换实现目标移动距离的测量
• 5.3.3 目标移动的像素距离与实际距离间的转换
• 5.3.4 实际距离测量的实现
• 5.4 跟踪系统的稳定性分析
• 5.4.1 基于改进后的Camshift算法的跟踪系统的持续跟踪能力
• 5.4.2 基于改进后的Camshift算法的跟踪系统的抗干扰性
• 5.4.3 基于改进后的Camshift算法的跟踪系统的精确性
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录