论文部分内容阅读
视频序列中的目标检测与跟踪技术是计算机视觉中的一项重要研究课题,其技术核心是指在视频序列中获取运动目标位置信息及其运动轨迹。当前,静态背景下的运动目标检测与跟踪算法体系日趋成熟;随着近年来移动机器人和智能设备的发展,移动摄像的应用逐渐增多,这时摄像机的移动导致背景不再静止,常用的静态背景下视频目标检测与跟踪算法已经不再适用,因此研究动态场景下的目标检测与跟踪算法具有重要意义。论文对现阶段视频序列中的目标检测与跟踪技术的国内外研究现状进行了分析,研究了基于背景补偿法的运动目标检测和基于TLD算法的目标跟踪技术,主要完成以下工作:首先,论文分析和研究了背景补偿算法。为使背景补偿法中全局运动参数估计更加精确,提出了一种改进的背景补偿法;改进的算法将SURF算法和FAST算法的优点结合起来,代替原有方法进行匹配,在得到精确匹配数据的同时,保证了其运行实时性,并且采用了RANSAC算法滤除错误匹配点。其次,在研究TLD算法的基础上提出了一种改进的动态背景目标跟踪算法。为了提高目标跟踪算法的实时性,在TLD检测模块中加入了颜色分类器,增加了目标检测时对颜色的敏感度,提高了检测模块的效率。最后,针对TLD算法需要手动选定跟踪目标的问题,将改进的TLD算法与背景补偿算法相结合实现了运动目标的自动跟踪。论文在VS2008平台下使用OpenCV2.3.1计算机视觉库编程对改进算法进行了仿真实验,采用了多组动态背景下的视频序列进行测试。实验表明,在运动目标检测方面,改进的背景补偿算法提高了背景补偿精度,在动态背景下具有良好的检测效果;在运动目标跟踪方面,改进后的TLD算法能够在背景不断变化下实现对目标的跟踪,其平均处理帧率提高了一倍,具有良好的实时性和应用价值。