基于局部特征的红外目标跟踪技术研究

摘要

红外目标跟踪就是获取红外视频图像序列中感兴趣目标的位置，速度，大小以及目标运动轨迹等信息，实现对目标行为的理解和描述，进而完成更高级别的任务的过程。随着红外探测技术的发展，红外目标的跟踪已广泛应用于军事视觉制导、机器人视觉导航、安全监测、交通管制以及医疗诊断等方面。但是，由于红外图像中复杂的背景信息以及目标本身的变化，如尺度变化，遮挡和光照等造成的外观变化等原因，导致开发出具有鲁棒性，准确性的红外目标跟踪算法面临许多挑战。
　　针对以上问题，本文提出在卡尔曼滤波(Kalman Filter, KF)和加速鲁棒特征(Speeded Up RobustFeature, SURF)的基础上实现对红外目标进行跟踪的算法。本文的主要改进方面如下：
　　1.提出基于视觉注意机制的加权SURF跟踪算法。该算法将视觉注意机制引入跟踪算法,首先对当前帧和目标模板中的SURF进行匹配，然后以当前帧中SURF与预测的目标中心之间的距离为加权基准，对较近的SURF赋予较大权值，较远的赋予较小权值，最后根据这些已加权SURF的位置信息和尺度信息实现目标的定位和跟踪框的自适应调整。
　　2.提出基于加权SURF的尺度自适应红外目标跟踪算法。首先，获取目标模板，通过KF预测目标在当前帧图像的位置；其次，根据此位置确定一个检测区域；然后，对当前帧检测区域提取特征点并与目标模板的特征点进行匹配；最后，利用提出的基于视觉注意机制的加权SURF算法获取目标的最终位置和尺度等信息。此算法可以摒弃一些不可靠的特征点，避免其对目标定位造成影响，进而导致跟踪失败。经过大量的实验证明，此算法能够对尺度存在变化的目标实现准确的跟踪。
　　3.提出基于灰度模型五框法的抗遮挡红外目标跟踪算法。首先，用Kalman预测的目标位置决定一个尺度和上一帧相同的跟踪框；其次，在这个框的上、右、下、左边框的中心分别建立四个和上一帧同样大小的跟踪框，共五个临时候选区域；接着，通过计算目标模板与这五个临时候选区域灰度直方图的相似系数，取相似系数最大的候选区域为候选目标区域；最后，在此候选区域应用提出的加权SURF算法来最终确定目标的位置和区域；经过实验验证，本文提出的抗遮挡目标跟踪算法在目标进入遮挡，局部遮挡甚至全部遮挡以及目标重新出现的情况下，仍然能够实现对目标的准确跟踪，具有较好的鲁棒性。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1研究的背景与意义

1.2国内外研究现状及面临的问题

1.3红外视频图像运动目标跟踪算法概述

1.4论文主要工作及章节安排

第二章 红外图像特性分析及预处理

2.1引言

2.2红外成像特性分析

2.3红外图像的预处理

2.4本章小结

第三章 基于视觉注意机制的加权SURF算法

3.1引言

3.2传统的SURF算法

3.3基于视觉注意机制的加权SURF算法

3.4实验结果及分析

3.5本章小结

第四章 基于加权SURF的尺度自适应红外目标跟踪算法

4.1引言

4.2算法的整体流程

4.3实验结果及分析

4.4本章小结

第五章 基于灰度模型五框法的抗遮挡红外目标跟踪算法

5.1引言

5.2算法的整体流程

5.3实验结果及分析

5.4本章小结

第六章 总结与展望

6.1工作总结

6.2展望

参考文献

致谢

作者简介