基于粒子滤波器的运动目标跟踪方法研究

视觉目标跟踪在视频监控、图像压缩、三维重构、机器人技术等领域有着非常重要的应用。目标跟踪的难点在于物体的突然运动,目标或背景突然改变其外部表现形式,目标的非刚性结构,目标和目标之间的遮挡、目标和背景之间的遮挡,以及摄像头的运动。本文作者主要研究复杂背景下的运动物体的跟踪,旨在提出一种具有较好的实时性、准确性和鲁棒性的运动目标跟踪方法,并能应用到移动机器人技术研究领域。作者首先对视频跟踪技术,特别是粒子滤波技术的基础理论进行了探讨,说明了各种理论应用于视频跟踪时的优劣。对于一个在线的实时跟踪系统来说,目标检测是不可缺少的重要功能,目标参考模型的有效建立依赖于准确的目标检测。因此,检测技术也是本文研究的一个方面。本文作者主要做了三个方面的工作。 第一,采用自适应帧差分的方法检测运动目标,针对摄像机在移动的机器人上存在运动和抖动的问题,我们采用运动补偿技术弥补摄像头的运动,并用数学形态学方法消除图像噪声,精确的提取了运动目标。 第二,将颜色直方图和边缘直方图结合起来建立目标的参考模型,有效地克服了使用单一特征建模的缺点,提高了跟踪的准确性。分级量化颜色直方图和边缘直方图,降低了光照和形变的影响,并减少了计算量。 第三,分别计算目标颜色直方图和目标边缘直方图与粒子的欧几里德距离,使用这两个距离作为粒子权值更新的重要依据。综合权值为基于颜色的权值和基于边缘的权值的加权和,可以根据背景与目标的特征来调整不同的权值的系数,从而有效适应了背景和目标变化时的跟踪。我们在MORCS-2上实现了该跟踪方法。实验结果表明该方法具有较好的实时性、准确性和鲁棒性。