基于图像的目标自动识别与跟踪技术研究

论文摘要

基于图像的目标自动识别与跟踪技术是世界各国精确打击武器系统急需解决的重要难题，也是计算机视觉领域的研究热点。本文作为国防科工委基础研究项目“基于图像的战场目标自动识别技术”成果的重要组成部分，对目标自动识别与跟踪技术的理论、计算和试验三方面进行了系统研究。包括：用两种语言编程实现了经典图像匹配方法中的模板匹配，对静态图片和运动目标进行了试验；将基于Haar特征的目标自动识别方法扩展到战场军事目标的自动识别，改进了AdaBoost算法，建立了基于改进AdaBoost算法的军事目标分类器训练方法，提高了分类器的训练精度；将Kalman滤波预测方法融入到CamShift算法中，提高了目标跟踪算法的速度和抗干扰能力；应用本文建立的目标自动识别与跟踪方法，建立了包括软件与硬件的快速目标自动识别与跟踪系统，进行了一系列目标自动识别与跟踪试验，分别实现了在简单背景、复杂背景、有干扰和遮挡等多种场景下的目标自动识别与跟踪，试验结果表明：本文建立的目标自动识别与跟踪算法速度快，目标自动识别与跟踪系统实时性和抗干扰能力强。该成果可应用于视频监控、战场目标识别跟踪、导航制导等多个领域，应用前景广阔。提出了将目标自动识别与跟踪算法移植到DSP上，以便用于弹上导引头的软件设计的思路和方法。为基于目标自动识别与跟踪技术的精确打击武器系统提供了重要的理论基础与技术支撑。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 问题的提出和意义
• 1.2 问题的背景及分析
• 1.2.1 目标自动识别技术
• 1.2.2 目标跟踪技术
• 1.2.3 目标自动识别与跟踪系统
• 1.3 解决问题的思路和方法
• 1.4 本文主要工作
• 1.5 本文创新之处
• 2 基于模板匹配的目标识别方法
• 2.1 引言
• 2.2 实用的图像匹配算法
• 2.2.1 模板匹配算法
• 2.2.2 快速匹配算法
• 2.2.3 受几何失真等影响小的匹配算法
• 2.3 影响匹配性能的因素
• 2.4 模板匹配试验及试验结果
• 2.4.1 静态图片模板匹配试验及试验结果
• 2.4.2 运动目标模板匹配试验及试验结果
• 2.4.3 试验结果分析
• 2.5 小结
• 3 基于Haar特征的目标识别方法
• 3.1 引言
• 3.2 Haar特征
• 3.2.1 Haar特征的提出
• 3.2.2 扩展Haar特征集
• 3.2.3 扩展Haar特征快速算法
• 3.3 AdaBoost算法
• 3.3.1 Boosting算法概述
• 3.3.2 AdaBoost算法原理
• 3.3.3 基于AdaBoost算法的分类器训练方法
• 3.3.4 级联分类器
• 3.3.5 改进的AdaBoost算法
• 3.3.6 基于改进AdaBoost算法的分类器训练方法
• 3.4 基于Haar特征的目标识别方法
• 3.4.1 基本思想
• 3.4.2 算法流程
• 3.4.3 目标自动识别试验及试验结果
• 3.4.4 试验结果分析
• 3.5 小结
• 4 基于CamShift的目标跟踪方法
• 4.1 引言
• 4.2 Mean Shift算法
• 4.2.1 算法原理
• 4.2.2 算法实现步骤
• 4.2.3 算法分析
• 4.3 颜色空间
• 4.3.1 视频中的颜色空间
• 4.3.2 颜色转换
• 4.3.3 颜色直方图
• 4.3.4 反向投影直方图
• 4.4 CamShift算法
• 4.4.1 算法原理
• 4.4.2 算法实现步骤
• 4.4.3 算法分析
• 4.5 卡尔曼滤波方法
• 4.5.1 卡尔曼滤波方法简介
• 4.5.2 卡尔曼滤波方法分析
• 4.5.3 应用卡尔曼滤波器
• 4.5.4 卡尔曼滤波和维纳滤波的比较
• 4.6 融合Kalman滤波的CamShift跟踪方法
• 4.6.1 基本思想
• 4.6.2 具体步骤
• 4.6.3 遮挡问题的处理
• 4.6.4 目标自动跟踪试验及试验结果
• 4.7 小结
• 5 目标自动识别与跟踪系统设计与实现
• 5.1 引言
• 5.2 系统硬件组成
• 5.2.1 云台和CCD摄像机
• 5.2.2 图像采集卡
• 5.2.3 PC机
• 5.3 系统工作原理和工作流程
• 5.3.1 系统工作原理
• 5.3.2 系统软件开发环境
• 5.3.3 系统工作流程
• 5.4 系统功能
• 5.5 系统试验
• 5.5.1 概述
• 5.5.2 试验设备组成
• 5.5.3 目标自动识别与跟踪系统试验及试验结果
• 5.5.4 试验结果分析
• 5.6 实时、嵌入式目标自动识别与跟踪系统实现研究
• 5.6.1 系统硬件平台
• 5.6.2 软件开发环境
• 5.6.3 系统软件设计思路
• 5.6.4 算法移植过程
• 5.6.5 系统整体工作过程
• 5.7 小结
• 6 结论
• 6.1 本文主要工作
• 6.2 下一步工作展望
• 致谢
• 参考文献
• 附录