基于積分圖像和Camshift的運動目標跟蹤研究.pdf

1、視頻運動目標檢測與跟蹤是計算機視覺學科中的一個很熱門的方向，它包括數(shù)字圖像處理、模式識別，甚至還涉及人工智能和機器學習等，已經被很好的應用在軍事、工業(yè)、智能交通、安全監(jiān)控等多個方面，并且一直在發(fā)展。
　　本文一開始先介紹對于目標的檢測，比如基本的目標檢測算法以及特征提取檢測的算法，重點闡述了機器學習的檢測算法，能夠對正樣本和負樣本進行一定的訓練，從而檢測出運動目標。
　　然后介紹了比較常用的目標跟蹤算法，包括Meanshif

2、t、Camshift和卡爾曼濾波算法，Camshift算法其實是Meanshift算法的改進，并通過實驗驗證了Camshift算法跟蹤物體具有尺寸大小的自適應性。
　　面對快速運動目標的跟蹤問題，本文提出了在直方圖相似度匹配下的積分圖像跟蹤算法，研究了積分圖像算法的時間復雜度，并證明了用顏色空間積分圖像算法可以跟蹤快速運動的物體，而且通過區(qū)域搜索，具有跟蹤的實時性，該算法可以和Meanshift算法相結合，實驗也驗證了跟蹤效果更好

3、。
　　對于用傳統(tǒng)的Camshift算法跟蹤目標與背景顏色相似情況下失敗的問題，本文提出了一種算法，通過每一幀圖像與背景相減，加大目標和背景區(qū)分度后，可以較好的實現(xiàn)對顏色相似目標的跟蹤。在實現(xiàn)對快速運動目標的跟蹤過程中，先用機器學習的算法進行目標檢測，然后面對用傳統(tǒng)的Camshift算法跟蹤快速運動物體會導致跟蹤丟失的情況，結合顏色空間積分圖像算法后，能有效的進行跟蹤，而且也具有尺寸大小變化的自適應性。對于在相同物體干擾下跟蹤快速