● 摘要
复杂背景下运动目标的探测技术是计算机视觉研究的热点之一，已经广泛应用于各个领域。运动目标探测主要包括目标检测，目标跟踪及目标三维运动参数的估计三个方面。本文在广泛研究国内外各种算法的基础上，提出了适合本课题应用背景的算法思想，并设计实现了一套完整的运动目标探测演示系统。首先是运动目标的检测，即把目标从背景中分割出来。考虑到具体应用场合的要求及各种检测算法自身的优缺点，本文采用基于Horn全局平滑约束的光流法对目标进行检测，并给出了图像预处理，图像梯度计算，形态学滤波及连通域识别的算法。通过实验验证了本算法的有效性。检测出运动目标后，就可以得到目标的初始位置和大小并提取目标的特征进行匹配跟踪。本文提出了一种基于mean shift的目标实时跟踪算法。以图像的灰度直方图作为目标匹配的模型，以Bhattacharyya系数作为目标匹配的相似性度量，并通过mean shift迭代方程进行目标的帧间匹配。同时，建立Kalman模型对目标的位置进行预测，不仅可以有效解决暂时遮挡的问题，而且减小了搜索范围，提高了跟踪速度。最后，通过仿真实验验证了该算法的实时性。得到目标的二维位置信息后，通过摄像机成像模型和坐标系转换关系，建立目标二维图像坐标与三维运动参数之间的模型，计算出待估计的参数。本文将最优估计理论与图像序列分析方法相结合，设计并实现了一套基于扩展卡尔曼滤波的长序列图像运动分析方法。通过单轴转台实物仿真实验及其误差分析结果验证了算法的有效性。