立体视觉匹配及基于立体视觉的运动目标检测与跟踪方法研究

《立体视觉匹配及基于立体视觉的运动目标检测与跟踪方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、山东大学硕士学位论文摘要双目立体视觉技术是计算机视觉的一个重要分支，它可在多种条件下灵活的获得景物的立体信息，相对单目视觉而言有着不可比拟的优势，是图像处理与计算机视觉领域的前沿研究方向。立体匹配是立体视觉技术中最难也是最为关键的一步，本文对立体匹配方法作了深入研究，并提出了一种基于分层网络最小割的立体匹配方法。运动目标的检测与跟踪是计算机视觉研究的核心课题，在军事视觉制导、机器人视觉导航、工业产品检测、医疗诊断、交通监视、虚拟现实等领域有着非常重要的实用价值和广阔的发展前景。针对传统的基于单目视觉的目标检测与跟踪算法鲁棒性差，难以在复杂环境中检测与跟踪运动目标，在多个运动目标发生遮挡时难以正

2、确的跟踪各运动目标的问题，本文在目标的检测与跟踪中采用了立体视觉方法，主要讨论了视差背景差分法与灰度背景差分法相结合的方法，Snake轮廓模型算法，Camshift算法，分层视差算法在目标检测与跟踪中的应用。论文的主要研究工作有：1．对立体匹配方法作了深入研究，提出了一种基于分层网络最小割的立体匹配方法，该方法对立体图像对进行两层金字塔分解，对顶层图像对采用最小割全局最优搜索策略进行匹配，对底层图像在初始视差的约束下，采用区域灰度相关法进行匹配，该方法既减少了立体匹配的搜索空间，又提高了匹配的正确率。2．提出了基于立体视觉的目标检测方法，采用基于视差的目标检测方法和基于灰度的目标检测方法相结合

3、的算法，检测出前景目标区域，然后再运用Snake轮廓模型法提取出目标轮廓。该方法具有以下三个特点：①在环境光线发生缓慢变化和突然变化时都能正确的检测到运动目标。②当物体被照射产生阴影时可以正确的检测到运动目标，不受阴影的影响。③在非刚性目标运动发生形变时也能正确的提取目标轮廓。3．在检测出的运动目标上，分别采用了两种方法对运动目标进行跟踪，运用Camshifl跟踪算法跟踪运动目标，该方法对于单目标和具有不同颜色分山东大学硕士学位论文布的多目标具有较好的跟踪效果，但不适用于具有相同颜色分布的多目标。采用基于视差层的目标跟踪算法对目标进行跟踪，该方法采用Kalman滤波方法对物体的三维空间位置进行

4、预测，根据目标检测和预测的位置进行跟踪。基于视差层的目标跟踪算法能够在复杂环境中跟踪具有相似特征的多目标，具有较强的鲁棒性。关键词：立体视觉目标检测目标跟踪Camshift算法视差Kalman滤波Ⅱ山东大学硕士学位论文AbstractStereoVisionisanimportantbranchofcomputervision．Oneimportanttaskofstereovisionistoget3-Dinformationofobjectsundervariousconditions．Stereovisionhasunparalleladvantagescomparedtomonocul

5、arvisionanditisaprecedingresearchareaofcomputervision．Wedoresearchonstereomatchingandproposesatwo-levelmatchingalgorithmbasedonthegraphcotsofnetwork．Movingtargetsdetectionandtrackingarecrucialsubjectsincomputervision，andtheyhaveveryimportantpracticalvalueandwidedevelopmentalprosperityinmilitaryvisua

6、lmissileguidance，robotvisionnavigation,industrialproductdetection,medicaldiagnosing,trafficsurveillance,ctc．Sincethetraditionalmethodisbasedonmonocularvision，ithasdifficultiesintrackingmultiplcmovingtargets，especiallywhentheobjectsareoccludedbyeachotheLWeadoptstereovisionmethodintargetsdetectionandt

7、racking．Itmainlyresearchesontheapplicationofmethodwhichincorporatesdisparitybackgrounddifferencealgorithmandintensitybackgrounddifferencealgorithm，Camshiflalgorithmandmulti—leveldisparityalgorithminth