论文部分内容阅读
视频序列中目标跟踪是计算机视觉研究中的一个热点问题,它在医学诊断、天气情况分析、视频智能监控、视觉导航、军事制导等多方面都有非常好的前景应用。如何快速,准确的检测并跟踪运动目标,是视频图像处理中的技术研究热点。本文在总结和分析现有运动目标检测与跟踪方法的基础上,重点研究了静态背景下运动目标的检测和跟踪技术。针对在各种复杂环境下对视频中目标的跟踪问题,特别是对目标跟踪过程中的观测模型的建立和预测、粒子滤波算法的重采样以及目标间的相互遮挡等问题进行了重点的分析,并结合实际的问题提出了具体的解决办法。本文的主要研究内容包括以下几个方面:1、介绍了本课题的研究背景及国内外的研究现状,对本文所要做的工作进行了阐述;2、文章的第二部分介绍了跟踪的基础理论知识,主要包括图像预处理的概念、目标特征的提取,具体包括颜色特征的提取、纹理特征的提取和颜色分布模型,接下来对后期图像的处理、非线性贝叶斯跟踪的理论进行了归纳和总结。3、针对传统粒子滤波算法中的粒子贫乏问题,改进了一种基于多样性采样的重采样粒子滤波算法。该算法在传统重采样算法后加入了多样性采样环节,在重采样后的粒子的邻域内按照均匀分布寻找相关粒子,使得粒子不会收敛于一点上,增加了粒子的多样性,以达到解决粒子贫化问题的目的,解决了随时间的增加由于粒子贫化导致跟踪失败的问题。4、对于目标跟踪中的遮挡问题进行了分析,提出了一种改进的遮挡检测处理算法。通过Bhattacharyya的结果对目标的状态进行判定,若目标发生遮挡,采用前一帧的模板来更新当前帧目标状态;当在遮挡结束后,即使恢复对目标模板的更新。最后将本文提出的方法在实际的环境下的视频图像中进行检验。根据检验的结果说明了在目标严重遮挡的时候,本文的方法能够准确的跟踪目标,达到了较高的鲁棒性。