滑行數(shù)據(jù)攝像測量與分析系統(tǒng)設(shè)計與實現(xiàn).pdf

1、隨著計算機視覺領(lǐng)域的不斷發(fā)展,圖像的處理問題越來越受到人們的關(guān)注。本課題通過對運動員的滑行數(shù)據(jù)進行分析找出與高水平運動員之間的差距,以提高運動員的水平。本課題主要分為三個部分:圖像配準(zhǔn)、攝像機標(biāo)定、目標(biāo)跟蹤。圖像配準(zhǔn)是研究兩幅圖像之間的變換關(guān)系。本文首先采用灰度相關(guān)匹配方法進行初始匹配,由于圖像中可能存在許多相同的紋理特征,導(dǎo)致灰度相關(guān)匹配方法可能存在一些錯誤的匹配。所以采用RANSAC算法剔除由于灰度相關(guān)匹配產(chǎn)生的錯誤匹配。利用所有正

2、確的匹配點重新估計變換模型。由于RANSAC算法的特征點對選擇的隨機性,將會導(dǎo)致RANSAC算法的執(zhí)行效率很低。本文提出改進的RANSAC算法。利用K-means算法將特征點對進行分組,有效提高了RANSAC算法的效率。攝像機標(biāo)定的目的是找到世界坐標(biāo)與像素坐標(biāo)之間的對應(yīng)關(guān)系。本文采用Hall所提出的利用線性技術(shù)計算世界坐標(biāo)與像素坐標(biāo)的轉(zhuǎn)化矩陣。根據(jù)Hall提出的方法,只需要4對世界坐標(biāo)與像素坐標(biāo)之間的對應(yīng)關(guān)系就可以求出轉(zhuǎn)化矩陣。本文采用

3、在三幅不同的圖像中分別選取7個點,利用21對對應(yīng)關(guān)系來計算轉(zhuǎn)化矩陣,提高了攝像機標(biāo)定的精度。傳統(tǒng)的目標(biāo)跟蹤方法多數(shù)采用模板匹配的方法,計算所有目標(biāo)候選與模板之間的相似度。由于基于稀疏表示的方法在人臉識別中得到了成功的應(yīng)用。本文提出了基于稀疏表示的目標(biāo)跟蹤方法。每個目標(biāo)候選都可以表示為目標(biāo)模板和背景模板的線性組合。通過l1范式最小化方法使每個目標(biāo)候選得到一組最稀疏的系數(shù)。計算每個目標(biāo)候選的重構(gòu)誤差,將重構(gòu)誤差最小的作為跟蹤結(jié)果。試驗證明基