论文部分内容阅读
近年来,随着视频监控系统的迅猛发展和普及应用,图像、视频数据呈现爆炸性增长,如何对采集到的图像、视频数据实现检测与实时跟踪成为研究的热点。本文主要研究了基于工业相机(CameraLink)接口的目标检测、跟踪系统的设计与实现。主要内容包括以下几个方面:1、设计了基于图像采集的目标检测与跟踪系统架构。该系统通过高清工业相机拍摄视频,经过图像采集卡传输至PC端,上层软件实现对图像的高效采集、目标检测与实时跟踪、图像显示。系统主要包括图像采集、图像处理、图像显示三个模块。其中图像处理模块由图像预处理、目标检测、目标跟踪三个核心算法组成。2、研究了图像预处理、目标检测与跟踪算法。首先,在目标检测之前,采用权值灰度化算法和中值滤波算法对图像进行预处理,提高目标的可检测性。其次,对目标检测算法进行对比分析,使用基于加速鲁棒(Speeded Up Robust Features,SURF)特征点检测算法对初始目标进行检测,该算法对背景运动、尺度变化鲁棒。最后,分析了基于检测的目标跟踪算法和基于相关滤波的目标跟踪算法,选择速度快、精度高的核相关滤波算法(Kernelized Corrrelation Filters,KCF)作为目标跟踪模块的核心算法。3、针对KCF算法直接应用于系统中存在的不足,本文提出了改进的跟踪算法。传统的KCF算法主要存在两个问题,一是在跟踪过程中目标遮挡或丢失情况下,无再检测机制,导致系统无法继续跟踪目标;二是跟踪框尺度不能实现目标尺度自适应估计,导致背景信息的引入或者前景信息丢失,目标模型会累积错误信息,提升跟踪失败率。针对目标遮挡或者丢失问题,本文提出一种基于SURF特征检测的目标跟踪算法;针对尺度变化问题,提出一种基于多尺度估计策略的目标跟踪算法。在目标跟踪标准(Object Tracking Benchmark,OTB)数据集上进行测试,实验结果表明,改进后的算法相比KCF算法对目标遮挡和尺度变化更加鲁棒,跟踪成功率有很大提升,并且可以达到实时跟踪。4、本文使用微软基础类库(Microsoft Foundation Classes,MFC)搭建了基于图像采集的目标检测与跟踪系统。首先实现了数据采集以及交互式界面的布局。其次实现了图像预处理、目标检测以及跟踪算法。最后对系统性能进行了验证。通过工业摄像机实时拍摄视频,获得的数据由采集卡传输给上位机,用户可通过上层软件界面配置参数,最终实现视频数据的目标检测与跟踪。实验结果表明,该系统可以完成高效的图像采集、目标检测与跟踪,对于低分辨率视频可以达到实时跟踪,具有一定的实际应用前景。