二維視頻中目標的三維軌跡檢測算法研究.pdf

1、在計算機視覺領(lǐng)域，運動目標跟蹤一直是一個比較熱門的研究方向，目前針對這方面的研究也比較多。這在很大程度上與運動目標跟蹤在智能視頻監(jiān)控、基于目標的視頻壓縮、虛擬現(xiàn)實以及輔助駕駛等領(lǐng)域都有比較多的應(yīng)用是分不開的。近年來，在目標跟蹤領(lǐng)域提出了許多算法，例如提取輪廓、紋理、顏色信息或各種利用傅里葉變換和小波變換來進行目標識別和跟蹤的算法。同時，各種參數(shù)、非參數(shù)的概率密度估計方法也被應(yīng)用到了目標跟蹤技術(shù)中來，其中比較典型的就是卡爾曼濾波器(Kal

2、man Filter)與粒子濾波器(Particle Filter)。與此同時，二維視頻中的三維信息提取技術(shù)同樣是計算機視覺領(lǐng)域的重要研究方向。相對于二維信息，三維信息包含更多的信息量。在運動目標跟蹤的同時，目標的三維運動軌跡可以為系統(tǒng)提供更多關(guān)于目標的信息。這些信息對于視頻監(jiān)控、輔助駕駛等應(yīng)用都會有比較大的幫助。從二維視頻中提取三維信息是一個復(fù)雜的逆過程，需要用到攝像機成像模型并對各種噪聲、誤差進行處理，其中攝像機標定技術(shù)最為關(guān)鍵。近

3、些年來，攝像機標定技術(shù)得到了廣泛而深入的研究。本文研究的主要目標是獲取二維視頻中運動目標的三維運動軌跡。本文提出了一個自動跟蹤運動目標并檢測其三維運動軌跡的目標跟蹤系統(tǒng)，該系統(tǒng)由運動目標跟蹤以及三維信息提取兩個模塊組成。文中分別對目標檢測與跟蹤、攝像機成像模型、標定以及坐標反變換等做了分析和研究，并針對部分算法存在的不足提出了改進意見以及改進方法。在這些研究的基礎(chǔ)上，本文最終將各種改進算法結(jié)合到一起，實現(xiàn)了對二維視頻中運動目標的三維運動

4、軌跡的獲取。本文提出的運動目標跟蹤算法是在對混合高斯模型(GMM)與粒子濾波器(Particle Filter)這兩種數(shù)學工具的分析和研究的基礎(chǔ)上提出來的。本文將這兩種數(shù)學工具有機地結(jié)合到一起并引入目標匹配機制，提出了一種針對視頻中運動目標的自動跟蹤算法。本文提出的運動目標自動跟蹤算法首先利用混合高斯模型(GMM)進行背景建模從而實現(xiàn)運動目標檢測，隨后利用粒子濾波器(Particle Filter)對檢測到的目標進行跟蹤，之后對兩個算法

5、得到的目標進行匹配以實現(xiàn)目標的自動融合與識別，同時也能夠提高跟蹤算法的魯棒性。本文的三維信息提取算法主要建立在對攝像機成像模型和經(jīng)典攝像機標定算法的分析和研究的基礎(chǔ)上。本文在對上述理論進行了充分研究之后，首先通過實驗找到攝像機標定中出現(xiàn)較大誤差的原因。隨后，本文提出一種標定點坐標修正的策略，根據(jù)標定物體的幾何信息對計算機坐標系下的坐標進行修正，以盡可能地避免由于標定點坐標的小幅度偏差導(dǎo)致的標定失敗。最后，根據(jù)標定算法得到的參數(shù)進行坐標反