复杂环境下视频目标跟踪技术的算法和应用研究

【摘要】： 视频目标跟踪是计算机视觉领域的关键技术之一,在民用和军事的诸多领域中都具有极为广阔的应用前景,包括智能监控、基于视觉的人机交互、智能交通、机器人视觉导航、精确制导系统等。随着信息技术的飞速发展,越来越多的研究人员投身于视频目标跟踪的研究领域,提出了很多优秀的算法,这些算法在某些特定的场合下取得了良好的效果。尽管如此,研究出一套鲁棒的,能适应各种复杂环境(如复杂的背景、目标外观的变化和目标的遮挡等)的跟踪算法并且予以工程实现,仍然存在很多困难。 根据工程需要,本文主要对复杂环境下的视频目标跟踪技术进行了算法的研究和工程应用的研究,主要工作如下: (1)深入研究了均值漂移算法,针对传统均值漂移算法中由于背景像素造成的目标定位偏差的问题,提出了基于最优灰度直方图特征的改进均值漂移算法。改进的算法根据初始帧目标和背景在灰度分布上的差异,建立对数似然图(log-likelihood image),筛选出与背景可区分性好的最优灰度直方图特征进行目标建模,并且以同样的方法在后续帧建立候选模型。改进后的算法能够有效减轻背景像素对目标定位的影响,提高目标的跟踪精度,同时减少算法的迭代次数,提高算法的运算速度。 (2)提出了质心加权算法并予以改进。该算法通过求跟踪区域内同一灰度级所有像素的质心位置的数学期望获得目标的最终位置。除了目标的灰度统计信息外,算法还包含了灰度分布的空间信息,目标特征描述更加丰富,目标定位更加准确;算法只需一步计算,无需迭代,实时性好;较改进的均值漂移算法,改进的质心加权算法对目标遮挡有更好的鲁棒性。同时提出了目标跟踪过程中的模板更新策略,增强了算法的鲁棒性。 (3)针对目标的遮挡问题进行了深入研究,提出了完整的目标跟踪算法。首先提出了基于边缘加权的Bhattacharyya系数;该系数对目标的遮挡非常敏感,能有效判断出目标的遮挡时刻。算法以卡尔曼滤波为基本的跟踪框架。遭遇遮挡时,根据遮挡程度的不同,采取不同的处理策略。对于部分遮挡,不做特殊处理,本文提出的改进的质心加权算法完全能够克服部分遮挡;对于严重遮挡,采取基于分块的目标跟踪算法;全部遮挡情况下,采用卡尔曼滤波的预测值作为目标的位置,同时停止对卡尔曼滤波的修正。算法对目标的部分遮挡、严重遮挡和完全遮挡都有很好的鲁棒性。 (4)研制了以DSP+FPGA为基本架构的电视跟踪器。硬件平台中,解决了低温工作问题、FPGA配置问题和电磁兼容问题;软件系统中,完成了DSP程序的编写和优化,实现了对光照变化鲁棒的相关算法的DSP移植。该电视跟踪器已经通过了环境测试,工作可靠稳定,跟踪效果好,实时性强,满足各项指标和要求,现已应用于实际工程项目当中。