基于交叉耦合控制的復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)跟蹤算法研究.pdf

1、運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤作為人工智能領(lǐng)域一個(gè)重要的研究方向，在過(guò)去十年得到了足夠的關(guān)注以及非常廣泛的應(yīng)用，比如智能視頻監(jiān)控技術(shù)、武器的精確制導(dǎo)技術(shù)等。上述研究和應(yīng)用是基于靜止攝像機(jī)的情況，對(duì)于移動(dòng)攝像機(jī)下的目標(biāo)檢測(cè)，由于攝像機(jī)的運(yùn)動(dòng)引起背景變化增加了檢測(cè)與跟蹤的復(fù)雜度，使其成為一個(gè)難點(diǎn)。在眾多實(shí)際應(yīng)用中，攝像機(jī)都是處于運(yùn)動(dòng)狀態(tài)，因此移動(dòng)背景下的目標(biāo)檢測(cè)與跟蹤就顯得非常重要。
　　本文對(duì)移動(dòng)背景下的目標(biāo)檢測(cè)算法進(jìn)行了研究，重點(diǎn)研究了基于特

2、征點(diǎn)的檢測(cè)算法和基于圖像匹配和耦合的檢測(cè)算法，并將檢測(cè)算法與跟蹤濾波器結(jié)合進(jìn)行了性能的對(duì)比，將最優(yōu)算法進(jìn)行進(jìn)一步的驗(yàn)證。本論文主要包括了以下幾部分的工作：
　　(1)本文從特征點(diǎn)出發(fā)進(jìn)行移動(dòng)背景下的目標(biāo)檢測(cè)，首先比較幾種常見(jiàn)的特征點(diǎn)提取算法，隨后確定最優(yōu)算法提取移動(dòng)背景下的視頻序列的特征點(diǎn)。在此基礎(chǔ)上利用K-Means聚類(lèi)實(shí)現(xiàn)特征點(diǎn)的分類(lèi)，完成了移動(dòng)背景下的目標(biāo)檢測(cè)工作。
　　(2)將視頻序列兩幀之間的特征點(diǎn)進(jìn)行精確匹配，隨

3、后計(jì)算特征點(diǎn)之間的運(yùn)動(dòng)向量，并對(duì)于運(yùn)動(dòng)向量進(jìn)行統(tǒng)計(jì)建立運(yùn)動(dòng)向量直方圖，在此基礎(chǔ)上實(shí)現(xiàn)了移動(dòng)背景下的目標(biāo)檢測(cè)。
　　(3)根據(jù)視頻序列精確匹配的特征點(diǎn)對(duì)并結(jié)合反射參數(shù)模型求取攝像機(jī)的運(yùn)動(dòng)參數(shù)，利用運(yùn)動(dòng)參數(shù)截取子區(qū)域圖像完成幀間匹配工作；同時(shí)為了充分利用幀間的相關(guān)性和提高檢測(cè)算法的性能，將耦合思想融入其中實(shí)現(xiàn)了基于圖像匹配和耦合的移動(dòng)背景下目標(biāo)檢測(cè)。
　　(4)為了驗(yàn)證本文所研究的檢測(cè)算法，將粒子濾波器與其相結(jié)合，實(shí)現(xiàn)了移動(dòng)背景