基于形状模板匹配的实时目标检测与跟踪算法研究

随着计算机视觉和图像处理技术的飞速发展,模板匹配技术在图像处理中越来越不可替代。它方法简单,适应性强,能够处理复杂场景,是目标检测、识别以及运动目标跟踪中最常用的方法。目前,模板匹配已经渗透到工业、医学、交通等生活的方方面面。同时,国民经济的快速发展加速了车辆数目的增长,随之而来的是城市交通拥堵和安全的问题。交通标志自动识别和车辆跟踪是交通安全的两个重要组成部分。本文研究了基于形状的模板匹配方法,并将其应用于交通标志自动识别和车辆跟踪中,主要内容如下:首先,详尽地分析了基于形状的模板匹配技术中的基本理论,如边缘检测算法、模板创建和相似性度量方法。接着分析了影响匹配效率和准确度的因素,主要有目标旋转、缩放、极性和搜索策略,并详细地给出了目标存在这些情况时的解决方案。其次,提出了基于颜色和基于形状模板匹配的交通标志检测与识别算法。该算法首先通过交通标志的颜色信息和其特有的几何形状来检测并定位,然后通过提取边缘梯度特征对交通标志进行匹配和识别。该算法利用少量的样本来快速创建不同尺度和角度下的模板,解决了基于机器学习的方法需要大量样本并且训练时间过长的问题。同时,该方法采用梯度特征进行匹配可以解决基于灰度的模板匹配对光照变化过于敏感的问题。实验结果表明,本文提出的算法具有较高的识别准确率和匹配效率,识别准确率可达86.65%,且能满足实时性要求。最后,提出了基于形状的模板匹配与粒子滤波相结合的车辆目标跟踪算法。该算法将基于边缘形状的模板匹配和粒子滤波思想有效结合,解决了基于颜色空间的粒子滤波在光照变化时跟踪效果变差的问题。另外,本文提出了一种基于尺度和角度变化的动态模型更新机制,使得在目标存在遮挡、旋转和缩放的情况下仍具有跟踪鲁棒性。实验证明,在存在光照变化、目标被遮挡等情况下,本文提出的基于形状模板匹配的粒子滤波算法比基于颜色空间的粒子滤波算法具有较好的跟踪效果。