1、隨著計算機(jī)技術(shù)和圖像處理技術(shù)的發(fā)展,作為計算機(jī)視覺領(lǐng)域中的運(yùn)動目標(biāo)跟蹤技術(shù)已成為該領(lǐng)域的研究熱點(diǎn),目標(biāo)跟蹤技術(shù)在智能交通、安全監(jiān)控、機(jī)器人視覺導(dǎo)航、醫(yī)學(xué)領(lǐng)域和軍事制導(dǎo)等方面已都得到了廣泛的應(yīng)用。由于現(xiàn)實中的場景環(huán)境往往是很復(fù)雜的,在復(fù)雜場景中當(dāng)運(yùn)動目標(biāo)快速移動、遮擋、形變、光線變化、背景相似及有實時性要求等條件下也能實現(xiàn)對運(yùn)動目標(biāo)穩(wěn)健的跟蹤是目前學(xué)術(shù)研究的熱點(diǎn),也是當(dāng)前在實際應(yīng)用過程中一個亟需解決的難題。
　　對目標(biāo)跟蹤過程中跟蹤

2、算法的研究,目前許多學(xué)者很少注重跟蹤前期的圖像預(yù)處理階段,視頻圖像的前期處理對目標(biāo)的后期跟蹤也非常重要。本文在圖像預(yù)處理階段,首先對視頻圖像進(jìn)行了噪聲濾波和增強(qiáng)處理,緊接著設(shè)計一種基于HSV顏色模型的彩色圖像增強(qiáng)算法,該算法能很好凸顯出圖像的特征信息,便于對目標(biāo)的前景和背景的檢測。針對背景差分目標(biāo)檢測算法存在的問題,對其進(jìn)行了分析和研究,以使得更能準(zhǔn)確地檢測提取出運(yùn)動目標(biāo)。
　　本文重點(diǎn)對復(fù)雜場景中運(yùn)動目標(biāo)跟蹤算法存在的問題進(jìn)行了

3、研究和改進(jìn),首先對Mean Shift目標(biāo)跟蹤算法進(jìn)行了深入分析。針對該算法存在當(dāng)運(yùn)動目標(biāo)尺寸發(fā)生變化時因跟蹤框固定而導(dǎo)致跟蹤誤差甚至跟蹤目標(biāo)的丟失等缺點(diǎn),利用對運(yùn)動目標(biāo)的帶寬的調(diào)整,提出了一種處理目標(biāo)自適應(yīng)尺度變化的均值漂移改進(jìn)算法,該算法在目標(biāo)運(yùn)動過程中可以實時的跟蹤目標(biāo)的尺寸產(chǎn)生變化而調(diào)整跟蹤框,可以準(zhǔn)確的鎖定運(yùn)動目標(biāo),減少跟蹤誤差。
　　其次為了解決復(fù)雜場景中目標(biāo)運(yùn)動的遮擋問題,研究了基于Kalman濾波器的運(yùn)動目標(biāo)預(yù)測問

4、題。針對經(jīng)典Mean Shift算法在對目標(biāo)被遮擋時進(jìn)行跟蹤過程中缺乏模板更新機(jī)制,設(shè)計了一種融合Mean Shift和Kalman濾波器的抗遮擋運(yùn)動目標(biāo)跟蹤算法,在該算法中利用Bhattacharyya系數(shù)值的變化來判斷遮擋情況的發(fā)生和遮擋情況的結(jié)束。改進(jìn)后的算法由于加入了目標(biāo)模板更新機(jī)制,所以能夠更準(zhǔn)確的描述目標(biāo)特征,提高了算法的精度和效率。
　　最后,為了進(jìn)一步驗證本文所設(shè)計的跟蹤算法的可靠性,本文在Visual C++ 6