论文部分内容阅读
目标跟踪技术是计算机视觉领域的一个热门课题,无论是在民用还是军用上都有着深刻的理论意义和广阔的应用前景。但要想真正达到宽应用范围,高精度,实时性强的跟踪效果,还有相当的一段路要走。当前尤其是复杂条件下的目标跟踪最为困难,很难达到鲁棒性与实时性的统一。在众多的跟踪算法中,本文主要研究了camshift算法,以及基于kalman滤波的camshift目标跟踪算法和基于帧间差分的camshift目标跟踪算法,通过比较它们在目标跟踪中的实际应用效果,最后提出了基于背景加权直方图和帧间差分的camshift算法,并在SEED VPM642评估板上验证。Camshift是一种基于meanshift以颜色概率分布图为目标模板的跟踪方法,不仅继承了meanshift简单,实时性强的特点,而且在目标发生形变时,能够相对较好的实现跟踪。基于kalman滤波的camshift算法对快速运动目标和遮挡问题有很好的效果,但是该算法为半自动跟踪,需要人为定位,对背景中相近颜色的抗干扰能力差。基于帧间差分的camshift算法为全自动跟踪算法,但在复杂背景下容易丢失目标。如完全遮挡、跟踪目标快速运动等。最后提出新的改进camshift算法-基于背景加权直方图和帧间差分的camshift算法。首先建立背景加权直方图,再利用帧间差分法自动确定目标区域,在运行camshift算法过程中,运用帧间差分比较H分量平均值与目标模板基准值大小,从而实时更新目标模板,减小光照变化影响；实时比较每帧搜索窗口与初始化窗口的尺寸来减少背景中的相近颜色干扰。另外在跟踪过程中,利用运动估计,防止当运动目标快速运动时跟踪失败。通过这一系列措施,改进后的camshift算法不仅具有传统camshift算法良好的实时性,而且在复杂背景下也能保持很好的鲁棒性和准确性。