基于物体局部信息的跟踪算法研究

论文摘要

自动目标跟踪是智能监控、武器导引、智能交通系统、视频压缩、图像搜索、医用图像系统等应用的基础和关键技术,也是计算机视觉领域的研究热点与难点之一。论文针对复杂运动背景下的目标跟踪问题,特别是影响算法稳定性的主要问题:目标被遮挡和大小发生变化,进行了深入研究,提出了基于物体局部信息的跟踪方法,并在跟踪过程的不同阶段利用物体不同的局部信息进行跟踪。本文中的局部信息是相对整体信息而言的,单个像素和整个目标区域是局部信息的两种特殊情况。本论文主要完成了以下工作:1)根据实际目标跟踪过程中,目标被遮挡的区域总是从边缘开始的事实,对归一化相关匹配算法进行了改进,摒弃以往将模板划分为若干部分,每一部分取固定权值的思想,提出了加权归一化相似度量。该方法的思想是目标物体的每个像素对于模板匹配结果的影响是不同的,因此本文根据模板中每个像素到模板中心的距离给予不同权值,具有较好的抗遮挡的能力。2)针对复杂运动背景下的目标跟踪问题,提出了基于物体局部信息的自适应模板更新算法。该方法在模板匹配失败时引入目标分割过程,然后通过对比新目标区域与模板的相似度得出导致匹配失败的具体原因,再根据不同原因采取不同的处理策略,从而使算法在目标被遮挡和大小发生变化时仍然能实现稳定跟踪。3)为了提高算法的实时性,本文在跟踪过程中利用Kalman滤波器预测目标的运动轨迹,通过缩小匹配区域提高了跟踪算法的效率。4)提出了目标发生遮挡时的处理策略。首先判断遮挡发生的具体位置,然后根据物体没有被遮挡部分的信息进行跟踪。当目标被遮挡的部分超过90%时,根据Kalman滤波器得到的目标轨迹进行跟踪;当被遮挡区域的面积小于5%时,退出遮挡处理程序。该方法在仿真实验中取得了令人满意的结果。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 课题的研究背景
• 1.3 课题的研究现状
• 1.3.1 目标跟踪问题分类
• 1.3.2 处理目标跟踪问题的两种思路
• 1.4 目标跟踪中的难点问题和研究发展趋势
• 1.4.1 目标跟踪算法面临的难点
• 1.4.2 目标跟踪算法发展趋势
• 1.5 本论文的目的和主要工作
• 第二章 目标跟踪算法综述
• 2.1 基于区域的跟踪算法
• 2.2 基于特征的跟踪算法
• 2.3 基于变形模板的跟踪算法
• 2.4 基于模型的跟踪算法
• 2.5 基于模板的相关匹配算法
• 2.5.1 归一化互相关匹配算法
• 2.5.2 绝对平衡搜索算法
• 2.6 本章小结
• 第三章 复杂运动背景下的目标跟踪算法研究
• 3.1 加权归一化相似度量
• 3.1.1 加权归一化相似度量定义
• 3.1.2 WNCC 与NCC 算法对比实验结果
• 3.2 自适应模板更新策略
• 3.2.1 模板评价函数
• 3.2.2 自适应模板更新准则
• 3.3 模板匹配失败原因的具体分析
• 3.3.1 基于Kalman 滤波器的目标运动轨迹预测
• 3.3.1.1 Kalman 滤波器原理及参数定义
• 3.3.1.2 运动轨迹预测结果及分析
• 3.3.2 目标区域的分割
• 3.3.2.1 基于自适应阈值分割与形态学运算结合的分割算法
• 3.3.2.2 基于Otsu 与二次投影法的目标分割方法
• 3.3.2.3 两种分割方法比较
• 3.4 目标发生遮挡时的处理策略
• 3.5 实验结果与分析
• 3.6 本章小结
• 第四章 总结与展望
• 4.1 工作总结
• 4.2 展望
• 参考文献
• 发表论文和科研情况说明
• 致谢