复杂背景下动目标图像跟踪方法的研究.doc

,对动目标的跟踪。虽然摄像机固定,但背景却在很短的时间内发生了巨大的变化,其主要原因如下:一是由于爆炸产生的火光,使得亮度在较短的时间内发生大的变化:二是冲击波对背景布的冲击造成布的来回摆动,产生众多条纹信息,而条纹的灰度值同目标的灰度值非常相似,使得目标的提取非常困难。三是爆炸后很多被炸的碎石也在运动,某些碎石的形状、灰度和运动速度和需要跟踪的目标相似。四是由于爆炸后烟雾和粉尘的扩散。以上原因使得目标提取非常困难。另外所需跟踪的目标为类长方形,它不仅随着质心做整体运动,而且还围绕着质心做旋转运动,因此给目标识别定位造成困难,普通的模版匹配算法无法解决旋转问题。图像中运动物体很多,不仅有多个运动目标而且还有碎石跟着运动,它们之间发生互遮挡和自遮挡现象,并且为了确定目标的空间速度,在场景内立有标杆,目标和标杆问也发生遮挡现象,以上因素均给匹配算法和稳定跟踪造成困难。:,前几帧用背景自适应方法同静态背景法效果基本一样,|第1犊簿5壤簿11顿第4}犊露54犊第87秧|,16((,17(,(,(,15j2.{动弱拣趱豫鼹藏系绞弱特征纛攥驳特征点集是指能雁确代表目标物体的点的集合,特征点的选择对最终的旺配有重要的影响。特征点的数目多,则匹配的精度较高,能速度较慢;艇之,则精度降低,速度提裹。因魏,要尽量逸舞合适熬特髹悫,竣兼矮疑鏊熬糖度弱遮度。选器嚣缀中嚣标彩体的边缘点作为特征点是很直观的~种方案;币Ⅱ厢小波变换可以提取出图像中强度最大的边缘点,将这些点作为特征点将有效地减少特征点的数量;此外,图形的角点也是特援蠢赘一耱褥之毒效熬逸箨,宅苓双全嚣豹缳黎了蠢形豹轮黪耱缝,还较大魄减多了特征点的数嫩,并可有效地提高匹配的速度。2。7.{、方向角以及该方向的变化率分别为:V,’(,=囝《x,奶Ox可(x,Y移瓯=tan。(f,.兵=臣](◇藤始銎缘<蟛Robert算予缮柒(cPrewilt蓐予结栗(dSobel算子结果(eLoG算子缩果(fCanny算予结果图2。”酬Susan漾翊,邵最小暇收同馕核送(SmallUnivalueSegmentAssimilatingNucleus原刚,它能在较强噪声巾提取出露稀的特征,包撬角点、边缘,丽且定位飧确。首先定义在Susan角点检测方法中的一个重鼹概念:吸收同值核区。程图像上移动鳗形模投(,如果模叛痰豹图豫豹像豢与模援中心缎藿数像素比较,,J、于绘定的门限值,受Ⅱ认为该虑与圆心是同值的,由满怒这样条件的像素所组成的区域就是吸收同值横隧(USAN。第27页中北大学学位论文第1帧第5帧第l}帧第4{}圭I此珂以着出,经_i窭Susan提取聪图像大大减少了图豫耳标麴信息量,仅仅保爱了露标的特锻点。丽耐用这些特征点可黻将舀标识翮穗来,进章亍下~步的鹜标躁踪算法。、缝本章蓉先介绍了系统所需跟踪霞标图像的特点耜难点,然霖针对难点进行了可行的方案设计,并分析了动目标图像跟踪系统的原理,对量测数据的形成作了技术分解:采磺了是适疲鹜景更蓊渡从惹减少了骛焱躲影响;将Kalman滤波髑予强缘分割救阂值预测与修正上,掇出了基于预测的自适应阂值分割方法,从而较好的保留了目标的形状特征,降低了背景影响:然后根据目标的形状特征,利用目标的面积和形状因子等桥量,滤除复杂鹜景中与曩舞获度馕遂叛嚣影羧不问豹噪声,鼠嚣提裹了麓振检测与躐黥翡茸靠性;最后,运用Susan角点提取算法掇取出表征目标形状的特征点,至此,完成了图像的预处理。