基于机器视觉的运动目标跟踪研究

【摘要】：计算机视觉是智能机器获取外部信息和理解世界的主要途径，运动目标跟踪技术已成为近年来计算机视觉的热点研究问题。运动目标的检测与跟踪是一种对包含运动目标的序列图像进行分析和综合的技术，该项技术融合了图像处理、模式识别、人工智能、自动控制、计算机等领域的先进技术，在航空航天、生物医学工程、视频监控、多媒体通信、智能机器人等领域有着重要的价值及广阔的前景。 本文在深入研究机器视觉理论的基础上，重点研究运动目标跟踪的相关技术，采用优化的的Cam Shift算法，实现在动态背景中跟踪运动目标，为机器视觉技术在自主开发的工业机器人上的运用打下基础。本文首先综述了摄像机光学成像的基本原理，介绍了目前流行的运动目标检测与跟踪算法的原理，并通过实验对帧间差分法、背景差分法、光流法等相关算法进行了比较及优缺点分析。本文对Mean Shift跟踪算法与Cam Shift跟踪算法进行了深入的研究，针对传统算法的不足，结合Kalman滤波器提出了优化的Cam Shift算法，抑制跟踪区域偏移以及随着误差累积出现的跟踪失败的情况，具有较好的鲁棒性，能够较完整的提取运动目标的轮廓，实现对目标的准确跟踪。 为了验证本文提出的目标跟踪算法的有效性，本文结合VC++6.0和OpenCV视觉库进行了大量的目标检测与跟踪实验，对常见的目标检测与跟踪算法进行对比。实验表明，本文提出的方法具有较好的跟踪效果。