论文部分内容阅读
目标的检测与跟踪是计算机视觉领域的重点部分,在很多方面如军事、视觉、视频、交通、医疗等都有重要的应用价值。目前,目标的检测与跟踪面临的主要问题是如何准确的找到目标并完成稳定的跟踪。本文在已有的研究成果基础上,对目标检测与跟踪的相关算法进行了改进,并对改进前后的算法进行了实验仿真。主要改进如下:(1)帧差法结合canny算子的目标检测算法。帧差法具有算法简易、不易受外界因素影响的优点,canny算子较其他算子可以更好的得到图像的轮廓信息。本文采用canny算子检测当前图像的轮廓,帧差法获得目标区域,取两者的共同区域作为目标在当前帧的位置。实验结果表明,改进的检测算法得到的目标区域较完整。(2)自适应跟踪窗口的meanshift算法。传统meanshift算法存在缺陷:跟踪过程中,若目标的大小和方向发生变化,它不能很好的跟踪。基于上述问题,提出了自适应窗口的meanshift算法。此方法采用帧差法结合canny算子检测运动目标,并使用主成分分析法计算目标方向,实时更新跟踪窗口。实验结果表明,改进后的meanshift算法与传统的meanshift算法相比,跟踪的稳定性得到了提升。(3)自适应跟踪窗口的meanshift融合kalman滤波的目标跟踪算法。自适应窗口的meanshift算法在跟踪过程中,当目标遭遇遮挡时,跟踪变得不稳定。为了解决这一问题,加入kalman滤波对目标预测的步骤,实现了自适应窗口的meanshift算法与kalman滤波的融合。实验结果显示,改进后的算法的抗遮挡性能提升,跟踪的稳定性也得到了提高。