改进的Camshift和Kalman相融合的跟踪算法.pdf

摘 要 摘 要 人类认识世界、感知世界所需要的信息主要是通过视觉来实现的。计算机视觉是通过 计算机及一些相关设备对摄取的视频图像进行分析和处理来实现对生物视觉的一种模拟。 在科学和工程领域中，计算机视觉是一个热门并且具有重大研究意义的课题。运动目标的 检测及跟踪作为计算机视觉的一个重要组成部分，被广泛地应用于军事公安、智能交通等 众多领域。随着信息科学技术的迅速发展，目标检测与跟踪技术在社会生活中扮演着越来 越重要的角色。 本课题主要研究运动目标跟踪算法，包括场景建立、检测和跟踪三个方面。在对运动 目标的检测与跟踪基本算法深入研究的基础上，提出了对算法融合和改进的方法，改善了 算法的检测与跟踪效果。文章的内容主要包括以下几个部分： （1）阐述了运动目标检测及跟踪算法的研究背景、现状及意义，介绍了运动目标跟 踪算法的实现流程，分析了影响运动目标跟踪质量的主要因素以及目标跟踪算法所面临的 困难。 （2）介绍了平均背景模型法、统计直方图法、单高斯和混合高斯模型四种背景模型 的建立方法，并对它们做了具体的分析，提出了将统计直方图法与混合高斯模型相结合的 背景建立方法。通过实验证明，改进后的背景建模方法建立得到的背景图像与实际的背景 图像更相似。 （3）对帧间差分法、三帧差法、背景减除法以及光流法进行实验研究，并分析它们 的检测效果。在此基础上，融合三帧差法和背景减除法检测视频图像中感兴趣的运动目标 区域，融合两种算法处理可以获得更完整的运动目标信息。 （4）为了减少相似背景环境的干扰，改进 Camshift 跟踪算法。将视频中目标图像的 HSV 模型的三个分量分别做反向投影图，再进行加权处理，同时把整帧图像反向投影的计 算改为计算稍大于搜索窗口区域的反向投影。最后，融合改进的 Camshift 算法与 Kalman 跟踪算法，实现了运动目标有遮挡时仍然可以对目标进行准确跟踪的目的。 在 VS2008 及 OPENCV2.1 环境下进行实验研究，并对实验结果进行深入分析。结果 表明，本文提出的改进算法能够检测到完整的感兴趣的运动目标区域，实现了有遮挡、有 背景干扰时的跟踪，且提高了跟踪的准确度。 关键词：背景模型建立；目标检测；运动目标跟踪；Camshift 算法；Kalman 算法 I 万方数据 Abstract Abstract Vision is the main way of knowing and perceiving the word for people. Computer vision is a process of biological vision simulation. It understands and percepts the acquired images by computers and related equipments. Computer vision is a popular and important research topic, and it has a wide application in the field s of science and engineering. Detection and tracking of moving targets as an important part of computer vision, is widely applied in many fields such as public security, intelligent transportation, military. With the rapid development of informati