论文部分内容阅读
近年来,随着计算机硬件技术和传感器技术的不断发展,视觉跟踪成为计算机视觉和模式识别领域中热门的研究领域,在民用和军事等领域都具有广泛的应用。尽管目前已经提出了许多有效地视觉跟踪算法,然而,仍然存在诸多因素会影响运动目标及其特征提取的精确度,例如遮挡及混乱干扰等;存在诸多因素会导致运动目标特征改变,例如光照的变化会导致目标表面颜色特征的变化,运动目标姿态的改变会导致边缘特征的变化;存在诸多因素会导致运动目标图像的灰度和内容在相邻两帧之间发生变化,例如摄像机的轻微抖动、影子等。因此,研究复杂环境下视觉特征的提取方法,提高视觉跟踪算法的鲁棒性,不仅具有深远的理论意义也具有广泛的实用价值。本文针对光照下的视觉跟踪系统算法进行了深入的研究。首先,分析了传统视觉跟踪系统的特征选择和提取方法,以综合性能较好的颜色特征为基础,针对其中存在的光照自适应能力差的问题,提出了一种光照自适应视觉特征动态提取的算法。选择颜色、边缘和角点特征的融合特征提取方式克服单一类特征造成的跟踪不稳定性问题,采用fisher准则在线评价特征识别能力、更新特征权值,提高了融合特征的自适应能力。采用Fuzzy控制方法控制融合特征的更新度,增强融合特征更新的稳定性。算法的改进既增强了视觉特征的自适应性,又在一定程度上提高了在线更新的稳定性。其次,分析了视觉跟踪系统的空间标定和PTZ调节算法,针对系统缺乏主动性以及由于采集环境光照变化造成的不稳定问题,提出了一种基于FUZZY控制的主动的PTZ调节算法。采用局部光照不变特征粒子滤波的目标预定位方法,对运动目标实现自动估计的标定,实现PTZ的预调节,提高了系统调节的主动性。利用光照不变特征原理的粒子滤波定位克服了光照变化和噪声等因素对目标预定位方法的影响,增强视觉系统的鲁棒性;对水平角和抑角采用Fuzzy控制方法,提高了视觉跟踪系统的稳定性,仿真实验证明该算法在一定程度上提高了PTZ调节的主动性和准确性。再次,分析了视觉跟踪系统的运动目标跟踪算法,选择跟踪性能较理想的基于颜色特征跟踪算法为基础,针对其存在的光照敏感性问题,提出了光照变化鲁棒的视觉跟踪算法。选择光照自适应融合视觉特征为基础,降低了视觉跟踪的光照敏感性。利用运动目标阴影特性实现运动目标的分离与提取,提高了阴影下目标识别与跟踪的准确率。采用粒子滤波的后验概率跟踪方法实现非线性、非高斯和多峰态运动目标的跟踪。算法的改进在一定程度上提高了跟踪的准确性,光照自适应性显著提高。在分析多运动目标跟踪算法基础上,针对视觉跟踪的光照敏感性问题和单摄像机难以实现多运动目标准确跟踪的难题,提出了一种基于优化Mumford-Shah模型的鲁棒多目标跟踪算法。以边缘特征和目标模板为基础,利用优化的Mumford-Shah模型实现复杂环境下多目标识别,降低模糊边缘、噪声的影响。然后利用区域像素标记方法建立每个目标的标记模板,在固定目标数的跟踪场景中,多运动目标发生互遮挡时,利用初始目标标记模板识别目标,更新目标边缘特征。提出了联合粒子滤波方法,利用该方法实现多运动目标的独立跟踪。应用上述方法在实现多遮挡运动目标跟踪的同时,算法的复杂度降低,对光照变化和模糊目标边缘的敏感性降低。与经典的差分跟踪算法、基于颜色特征的跟踪算法比较,该算法鲁棒性、准确率都有一定的提高。最后,为了验证本文算法的性能,研究设计了针对本文算法的测试软件平台。设计了参数选择控制功能,方便得到快速、客观的仿真实验结果。设计了算法性能比较分析功能实现实验测试结果分析,提高了实验效率。提供了软件平台扩展接口,方便进一步的相关研究工作。本文的工作围绕着变化光照环境下的视觉跟踪系统算法展开,考虑了光照变化环境对视觉跟踪系统各个重要环节的性能影响,对算法的改进有助于提高系统在复杂环境下的综合性能,为未来的研究工作提供了良好的理论基础和思路。