基于角點特征的多目標跟蹤-一篇論文

《基于角點特征的多目標跟蹤-一篇論文》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。

1、第l3卷第lO期中國圖象圖形學報Vo1．13．No．102008年1O月JournalofImageandGraphics0ct．．2008基于角點采樣的多目標跟蹤方～一Ⅲ～一法一一～一～一一～．立一劉闖龔聲蓉崔志明劉純平夏侯玉嬌(蘇州大學計算機科學與技術學院，蘇州215006)摘要為了跟蹤互遮擋的多個目標，提出了一種基于角點采樣的多目標跟蹤方法。該方法以遮擋發(fā)生前的各目標區(qū)域中的Harris角點信息為樣本，在遮擋發(fā)生情況下，采取K近鄰分類器對目標_蠶區(qū)㈨m域m中～提取山～．蠶的角_暑∞點m一信息進行分類，以有效區(qū)

2、分遮擋在一起的多個目標。在角點特征提取過程中，還提出了雙閾值Harris角點檢測算法，用于自適應、準確地提取運動區(qū)域中角點信息。實驗結(jié)果表明，該方法能有效區(qū)分遮擋在一起，且沒有分裂之d"．前的多個目標。em．出關鍵詞多目標跟蹤角點檢測角點采樣K近鄰分類器中國法分類號：TP391．4文獻標識碼：A文章編號：1006—8961(2008)10—1873—05TrackingMultipleObjectsMethodBasedonHarrisC～一k也or一b～．一～?㈣e一ne～h一．～∞嘲r一№d～_汕一壺Sa一～一

3、～mpli一如呱．¨一∞一ngLIUChuang，GONGSheng—rong，CUIZhi—ming，LIUChun—ping，XIAHOUYu—jiao(SchoolofComputerScienceandTechnology，SoochowUnive~ity，Suzhou215006)u．∞∞_耄喲-是預測，但它不能準確岬跟n一蹤．方Ⅱ吐向突c變的目標。為1引言此，本文提出了一種基于角點采樣的多目標跟蹤方法，即在目標區(qū)域發(fā)生遮擋時，采用訓練好的角點信基于視頻的運動目標跟蹤，經(jīng)過40多年的深入息來分類當前遮擋區(qū)

4、域中角點，以便實現(xiàn)對相互遮研究和發(fā)展，在許多方面有著廣泛的應用和發(fā)展前擋，且沒有分裂之前的多個目標進行有效跟蹤。景，如軍事視覺制導、機器人視覺導航、交通管制、醫(yī)多目標跟蹤系統(tǒng)流程如圖1所示。由于在目標療診斷等。但跟蹤過程中的目標相互遮擋、目標形區(qū)域遮擋發(fā)生之前，區(qū)域?qū)椒ㄒ褜崿F(xiàn)了多目標變等又為視頻跟蹤帶來一定的挑戰(zhàn)。的穩(wěn)定跟蹤。為此，本文僅討論遮擋發(fā)生后，采用基區(qū)域?qū)щm然在一定程度上能解決多目標于角點采樣的多目標跟蹤方法來實現(xiàn)相互遮擋的多遮擋問題，但不能區(qū)分相互遮擋，且沒有分裂之前的目標分離問題，其主要包含目

5、標區(qū)域中角點特征提多個目標。目前解決上述問題的方法主要采用位置取、角點分類兩部分內(nèi)容?；痦椖浚簢易匀豢茖W基金項目(60673092)；教育部科研重點項目(207040)；江蘇省高校自然科學基金項目(07KJD520186)收稿日期：2008—06—20；改回日期：2008．07—22第一作者簡介：劉闖(1983～)，男。蘇州大學計算機科學與技術學院計算應用與技術專業(yè)碩士研究生。主要研究方向為圖像與視頻處理、智能信息處理等。E—mail：lc8317@sina．corn中國圖象圖形學報第13卷3．2雙閾值Harr

6、is角點檢測原理Harris角點檢測算法需要嘗試設定閾值，才能提取較理想的角點。自適應Harris角點檢測算法雖然可以自動提取角點，但對圖像進行分塊操作時容易造成塊邊緣角點的丟失。實驗發(fā)現(xiàn)，Harris角點檢測算法，當取小閾值時，其提取的角點較準確，但易產(chǎn)生虛假角點；當取大閾值時，雖對噪聲點有很好的抑制，但容易丟失一些真正的角點。為此，本文提出了雙閾值Harris角點檢測算法，其主要包含兩個步驟：(1)在小閾值下，提取運動區(qū)域中角點；(2)圖1多目標跟蹤系統(tǒng)流程在大閾值下，剔除虛假角點。具體描述如下：Fig．1Th

7、esystem’Sflowchartofthetrackingprocess(1)提取幀中各運動目標的外接矩形，對各矩形框內(nèi)的每個像素點，通過計算其在水平和垂直方向上2預處理的梯度以及兩者的乘積首先得到3幅新的圖像。(2)為提高抗噪能力，可對這3幅圖像的矩形在角點檢測前要先進行預處理，預處理就是首框區(qū)域進行高斯濾波。應用的離散2維高斯函數(shù)為先對輸入的視頻采用基于像素灰度歸類的背景重構(gòu)G=唧)㈩算法提取背景后，再運用背景差得到二值化運動前景圖；然后運用數(shù)學形態(tài)學的閉運算消除細小(3)采用式(4)來計算幀中各外接矩形窗

8、內(nèi)對噪聲點，并按8鄰接進行區(qū)域連通及標記，以分離各應的每個像素點的尺。目標；最后以矩形框框出各運動目標，用于表示其區(qū)(4)提取局部極大值點。實際操作中，可依次域。同時定義多目標互遮擋的區(qū)域為遮擋區(qū)域。在以每個像素為中心的窗口區(qū)域提取最大值，如果中心點像素的R為最大值，則該像素點就是特3角點特征提取征點。(5)算法先自動設置一較小閾值T．(20≤T≤3．1Ha