基于颜色信息的目标跟踪

zxshunine

摘要：在日常生活中，大量有意义的视觉信息都包含在运动之中。序列图像中的运动目标检测与跟踪是数字图像处理与识别以及计算机视觉领域研究的主要内容之一，在机器人导航、智能视觉监控系统、医学图像分析、工业检测以及视频图像分析等领域中都有着广泛的应用。因此，研究运动目标的识别和跟踪，具有很大的现实意义和实际价值。本文重点介绍了运动目标的识别和跟踪，实现了运动目标的实时自动跟踪。本文重点介绍了目前运动目标识别与跟踪领域的一些常用方法。在运动目标检测方面，主要介绍了三种目标检测的方法:帧间差分法、背景差分法和光流法，并对前两种方法进行了比较和实验分析，同时指出了各自的优缺点及适用范围。在目标跟踪方面，首先介绍了三种特征匹配算法:绝对平衡搜索法、归一化互相关匹配算法和直方图匹配算法，接着又介绍了两种快速匹配方法:序贯相似性匹配算法和金字塔分层搜索算法。在运动目标的实时跟踪方面，本文基于OpenCV（英特尔@开源计算机视觉库），以Camshift(Continuously Adaptive Mean-shift)算法为基础，实现对彩色序列图像的自动跟踪。该算法在简单静止背景和简单小变化背景中都能较准确地检测运动目标并对其跟踪。
! j9 W2 N2 O) {" Z1 C0 F; P7 \/ }3 L' V为了提高跟踪结果的准确性和实时性,本文提出了一种改进的CamShift算法:只统计跟踪区域色调H分量的颜色直方图，去除s、V分量对H分量有较大干扰的像素。实验表明,该算法能有效避免遮挡和大面积颜色干扰情况下可能出现的误跟踪问题，取得了较好的效果。
关键词:目标识别目标跟踪OpenCv Camshift算法
- g" j$ J7 O% h* y. [! L
, n( ~0 d# V3 h- o6 U
8 @9 J9 R: i; S! M: P7 T当前是信息时代，信息的获得、加工、处理和应用等都有了飞跃发展。图像信息处理己经获得一定的进展，但随着对图像处理的要求不断提高，应用领域不断扩大，图像理论必须不断补充和发展。自然界的--切图像都是连续的模拟图像，其形状、形态由图像各位置的颜色决定。色度学理论认为，任何颜色都可由红、绿、蓝三原色按不同比例混合而成。图像的处理己经从可见光谱扩展到各个波段，从静止图像发展到运动图像，从物体的外部延伸到物体的内部，以及进行人工智能化的图像处理等。图像处理是针对性很强的技术，根据不同应用，不同要求需要采用不同的处理方法。采用的方法是综合各学科较先进的成果研制而成的。各学科互相补充、互相渗透使得数字图像技术飞速发展。计算机图像处理主要采用两大类方法:一类是空间域中的处理，即在图像空间中对图像进行各种处理:另一类是把空间与图像经过变换，变到频率域，在频率域中进行处理，然后再变到图像的空间域，形成处理后的图像。

$ m( ?) ~( Q5 k8 V9 R; @# _
+ Y3 i8 \3 t+ m3 ?4 O8 D, h# P& M

游客，如果您要查看本帖隐藏内容请回复

: E' F$ U  U' ^

  n2 o, U2 d0 @* B, b6 l" i: e3 M
. o' l% D( ?! |5 T' u

tutututut

三原色红、绿、蓝