基于立體視覺的運動目標軌跡重建技術(shù).pdf

1、視頻目標的檢測跟蹤一直是計算機視覺領(lǐng)域研究的熱點和難點之一，在智能交通、機器人、人機接口、武器制導(dǎo)、工業(yè)控制、醫(yī)學(xué)治療等方面得到了越來越豐富的應(yīng)用。其目的是為了捕獲視頻中感興趣的目標，為后續(xù)的處理提供目標位置和軌跡信息。
　　本文探討了基于立體視覺原理的運動目標軌跡的三維重建技術(shù)。首先利用改進的ViBe運動目標檢測算法對圖像的顏色和深度信息建模，根據(jù)圖像顏色和深度的變化檢測出視頻中的運動目標，提取出精確的目標圖像。隨后用改進的KC

2、F跟蹤方法跟蹤運動目標，在保持原算法對目標的變化適應(yīng)性的同時，針對目標長時間遮擋的情況做出了改進，使跟蹤過程更加穩(wěn)健，避免了跟蹤漂移的發(fā)生。最后基于立體視覺原理計算出目標的三維空間位置，將計算出的軌跡點根據(jù)需要擬合成目標軌跡。
　　在運動目標檢測階段，傳統(tǒng)的ViBE（Visual Background Extractor）運動目標檢測算法常常會產(chǎn)生一些人們不期望的前景區(qū)域，例如Ghost區(qū)域、目標陰影、光照變化等。本文提出了一種利

3、用深度的相對變化模式來識別前景與背景的改進ViBE檢測算法。首先利用圖像顏色與深度信息建立雙背景模型；隨后利用顏色背景模型檢測當前幀內(nèi)可能的前景區(qū)域；最后引入深度背景模型識別前景區(qū)域中存在的虛假活動前景，給出了背景區(qū)域、鬼影區(qū)域、陰影區(qū)域的背景模型更新方法。算法實現(xiàn)簡單、計算量小，對于前景假目標有較高的辨識能力，能夠同時消除多種錯誤前景，并且對于深度圖像中的無效深度、噪聲等進行了處理，可靠性大大提高。實驗結(jié)果表明，本算法可以有效消除Gh

4、ost區(qū)域、目標陰影、光照變化等情況，與ViBE算法相比平均檢測精度上升了34.68％，在處理640*480的彩色圖像時運行的平均FPS為34.96，完全能夠滿足實時處理的要求。
　　在運動目標跟蹤階段，傳統(tǒng)的KCF（Kernelized Correlation Filter）目標跟蹤算法在處理長時間遮擋時會發(fā)生漂移。為了解決這個問題，本文提出了利用目標區(qū)域深度分布信息識別目標遮擋、動態(tài)調(diào)節(jié)模型更新率以及合成訓(xùn)練集減少負樣本噪聲的

5、改進KCF算法。首先，根據(jù)目標區(qū)域的深度分布情況計算目標遮擋率；隨后利用目標遮擋率調(diào)節(jié)模型更新率，使目標在發(fā)生遮擋時適當降低模型更新率；最后在目標發(fā)生遮擋時利用遮擋MASK合成目標訓(xùn)練集，使跟蹤模型向目標逼近。經(jīng)過處理，改進的KCF算法有效地減少了負樣本噪聲，保持了跟蹤器對目標的穩(wěn)定跟蹤，能夠適應(yīng)目標長時間遮擋的情況。
　　最后介紹了針對清晰和模糊目標的軌跡重建技術(shù)，對于清晰目標，利用目標特征點和區(qū)域匹配相結(jié)合的圖像自動匹配技術(shù)，

6、精細重建目標上的點，用目標點坐標計算目標質(zhì)心，得到目標空間位置。對于運動模糊目標，針對雙目視頻中左右視圖的運動目標不同步的問題，提出了利用軌跡插值的方法解決運動目標匹配的問題。運用方向微分方法求出瞬時目標運動方向，基于目標瞬時運動方向的導(dǎo)數(shù)與質(zhì)心位置信息，利用Hermite插值方法得出方向?qū)?shù)和位置信息逼近真值的質(zhì)心軌跡,每一對同步幀產(chǎn)生插值的空間軌跡點。為提高軌跡重建的準確度，減少測量過程中的隨機誤差，探討了采用針對同一目標多角度測量