基于光流场和轮廓的目标跟踪方法研究

摘要

目标跟踪是机器视觉，模式识别，图像处理领域里的一个重要的研究方向，在视频监控，医学诊断，人机交互，机器人视觉导航，运动分析等多个领域具有广泛的应用。在复杂环境下，受目标变形、相机抖动、光照变化、目标遮挡、相似背景及环境噪声等因素的影响，对目标进行实时准确的跟踪成为了计算机视觉领域一个公认的难题。近年来，虽然有许多国内外学者对目标跟踪进行了深入的研究，并提出了较多改进的算法，但是仍然无法解决复杂环境下跟踪的实时性和鲁棒性等问题。
　　本文在L-K光流法理论的基础上，对基于轮廓和角点的目标跟踪技术进行了较深入的研究。针对L-K光流法实时性差，在存在运动物体干扰时无法准确跟踪特定运动目标等问题，提出了基于L-K光流法的自适应边缘轮廓选取目标跟踪算法，提高了复杂环境下L-K光流法目标跟踪的实时性和准确性。
　　本文的主要研究工作及成果如下：
　　（1）针对在复杂场景下灰度图无法准确反映RGB图像中三个通道值的变化趋势的问题，本文提出分别在三个通道对图像进行Canny边缘检测，得到三个通道的边缘检测图，然后将该三幅边缘检测图进行数据融合，实验证明融合后的边缘检测图优于原始检测边缘图。在此基础上，针对光流法在运动物体干扰下无法准确跟踪特定运动目标的缺点，提出了自适应边缘轮廓选取法，能较好地减少环境中运动物体的干扰，从而提高跟踪的精度。
　　（2）针对全局光流法跟踪运动目标，实时性欠佳的问题，在提取出目标轮廓的基础上，进一步检测轮廓上的角点，并删除非目标轮廓的角点，只跟踪目标轮廓内角点的方法，提高实时性。对于角点较少而导致跟踪失败的情况，引入Hu不变矩匹配对角点进行更新，从而提高跟踪的鲁棒性。实验结果验证了本文提出的跟踪方法的有效性。

目录

声明

1 引言

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 论文的主要工作

1.4 论文的结构安排

2 运动目标检测技术

2.1 背景建模法

2.2 帧差法

2.3 光流法

2.4 本章小结

3 自适应边缘轮廓提取算法

3.1 边缘检测算法及改进

3.2 数学形态操作提取闭合外边缘轮廓

3.3 自适应法提取局部面积最大轮廓

3.4 本章小结

4 运动目标跟踪

4.1 搜索目标角点

4.2 轮廓矩匹配更新角点

4.3 根据角点估计目标的运动状态

4.4 本章小结

5 实验及结果分析

5.3 实验结果和数据对比

5.3 本章小结

6 结论与展望

参考文献

攻读硕士期间发表的论文及科研成果

致谢