论文部分内容阅读
近年来,随着计算机水平和计算机视觉技术的不断发展,智能视频监控系统已成为了一个新兴的应用方向和备受关注的前沿课题。基于图像序列的运动目标跟踪是计算机视觉领域和数字图像处理领域的重要研究课题之一。本文以智能视频监控系统为研究背景,在Mean Shift算法框架下,针对特征选取、目标的外观变化和运动预测问题进行了深入研究,并在此基础上建构了一个自动的、相对完整的运动目标跟踪系统。本文的主要研究内容如下：(1)本文首先研究了标准的Mean Shift跟踪算法,通过实验证实了Mean Shift算法在背景与目标颜色相似情况下可能发生跟踪失败现象。并在此基础上提出了改进的Mean Shift算法(MSL),即：除了使用传统的颜色直方图来提取目标的特征,同时也使用LBP提取的纹理特征来表征目标。首先使用主纹理特征制作一个模板,并提取目标在该模板下的纹理和颜色的联合直方图。与传统的使用整个跟踪框内的颜色直方图来跟踪目标相比,联合纹理与颜色特征的跟踪算法有效提取了目标区域的纹理和角点信息,因此能更有效的表示目标。实验结果表明本文算法与标准Mean Shift算法相比,本算法能在减少迭代次数的情况下精确的跟踪运动目标。在目标和背景的颜色相似的情况下,本算法仍能鲁棒的跟踪目标而标准的Mean Shift算法将会跟踪失败。(2)针对传统相关跟踪算法中存在的一些问题,在分析多种模板更新算法的基础上,提出一种基于直方图信息的模板更新策略。同时,利用kalman滤波器实现对目标轨迹的预测,在一定程度上解决了相关跟踪中的遮挡问题。本文针对目标轨迹局部时间内可视为匀加速直线运动的特点提出了一种简单有效轨迹预测方法。实验结果表明本文算法能够准确的预测轨迹,本文的模板更新策略也保证了目标跟踪的稳定。(3)在跟踪算法的基础上,采用VC++开发平台和OpenCV算法库设计了一个简单的运动目标跟踪系统,并通过该系统验证了算法的可行性和实用性。本文分析与研究了基本的Mean Shift算法,并从特征选取和模板更新两个方面改进了基本的Mean Shift跟踪算法,提高了算法的抗干扰性,使得算法在目标与背景相似或目标的外观发生变化时仍能准确的跟踪目标。最后构建了一个实用性强的、自动的运动目标跟踪系统。