论文部分内容阅读
目标跟踪技术在近几年应用较广,属计算机视觉的研究范畴,其应用包括相机的跟踪对焦、无人机的自动目标跟踪、交通监管视频中的车辆跟踪、人脸跟踪、手势跟踪等等,并且在智能监控中也会使用目标跟踪技术来跟踪特定的人或物体等等,目标跟踪作为一项重要研究课题在近些年也得到了快速的研究和发展。本文对计算机视觉领域内的目标检测和跟踪算法进行了理论研究及实验验证,主要包括移动目标检测技术、目标跟踪技术两大方面。本文的创新点在于在对传统典型的移动目标检测、目标跟踪进行重点研究基础上,还对近几年的基于学习的跟踪算法进行了详细研究与实验验证,包括高斯混合模型、贝叶斯推断的背景分割模型、TLD、MIL算法等。本文难点主要是如何实现在实际的动态环境中稳定的对多个目标进行跟踪。最后本文应用面向对象的思路,提出在背景分割模型的基础上结合单目标跟踪算法和卡尔曼滤波器实现了对多目标的稳定跟踪。本文主要的研究内容如下:1.针对Meanshift、Camshift易受背景因素影响丢失目标及其对运动目标的局部或不完全遮挡问题结合Kalman滤波算法对视频的跟踪效果做了改进;并将Kalman算法与背景分割模型算法(混合高斯模型、概率前景贝叶斯估计等)相结合,提出了一种可以在静态背景下检测并跟踪目标的多目标跟踪算法。2.对各类Tracker算法做了深入研究。包括TLD算法、MIL算法、基于相关滤波改进的KCF算法等,对其做了研究与实验验证,通过实际的视频序列检测算法的优劣。最终,本文首先提出在背景分割的基础上结合Kalman滤波器进行多目标检测与短时间跟踪;其次在背景分割算法检测移动目标的基础上,结合Meanshift+Kalman滤波算法提出并设计了一种能够在简单环境下实现对多目标稳定跟踪的算法,最后结合实际视频序列验证了算法的效果。