運動攝像機下多運動目標的檢測與跟蹤.pdf

1、運動目標的檢測與跟蹤在人工智能、軍事、視頻分析等各個領域都有著非常廣泛且重要的應用,如機器人自動尋路、視覺智能導航,等等。圖像中一般存在著兩種運動,一種是全局運動,另一種是局部運動。前者是由攝像機的運動產生的,又可被稱為背景運動;后者是由于目標本身的運動產生的,又可被稱為前景運動。當只有目標本身在運動運動、攝像機處于靜止狀態(tài)時,目標的檢測與跟蹤較為簡單。但是當兩種運動同時存在時,全局運動和局部運動就會相互疊加,使得檢測和跟蹤運動目標這一

2、問題變得復雜和困難。另外,當前對運動攝像機下目標跟蹤相關方面的研究主要集中于處理單目標的情況,對多目標的相關問題研究較少。
　　因此,對于運動攝像機下多目標的檢測與跟蹤需要著重解決的問題有兩個:全局運動補償和多運動目標的檢測與跟蹤。針對這兩個問題,本文提出了一種基于六參數仿射模型的全局K均值循環(huán)判斷聚類和模板匹配相結合的方法來予以解決。研究內容主要包括以下幾個方面:(1)獲取運動攝像機的運動參數。尋找各幀的特征點并且完成前后幀的特

3、征點匹配,再將匹配對帶入六參數仿射模型,得到攝像機運動參數,進行背景對準,使得整個背景由動態(tài)變?yōu)橄鄬o態(tài),完成全局運動補償。(2)提取運動目標區(qū)域。對配準后的背景幀和當前幀使用幀差法并閾值化就可以初步提取出運動區(qū)域。然后使用全局K均值算法對已經提取出的前景點進行循環(huán)判斷和聚類,由此可得合理的聚類數目,即目標區(qū)域數。(3)運動區(qū)域模板匹配。通過模板匹配來對比運動區(qū)域是否能與歷史數據中的某些模板達到匹配并且連續(xù)出現(xiàn),由此判斷該運動區(qū)域是屬于