OPTICS聚类与目标区域概率模型的多运动目标跟踪

摘要：

目的 针对多运动目标在移动背景情况下跟踪性能下降和准确度不高的问题,本文提出了一种基于OP-TICS聚类与目标区域概率模型的方法.方法 首先引入了Harris-Sift特征点检测,完成相邻帧特征点匹配,提高了特征点跟踪精度和鲁棒性;再根据各运动目标与背景运动向量不同这一点,引入了改进后的OPTICS加注算法,在构建的光流图上聚类,从而准确的分离出背景,得到各运动目标的估计区域;对每个运动目标建立一个独立的目标区域概率模型(OPM),随着检测帧数的迭代更新,以得到运动目标的准确区域.结果 多运动目标在移动背景情况下跟踪性能下降和准确度不高的问题通过本文方法得到了很好地解决,Harris-Sift特征点提取、匹配时间仅为Sift特征的17％.在室外复杂环境下,本文方法的平均准确率比传统背景补偿方法高出14％,本文方法能从移动背景中准确分离出运动目标.结论 实验结果表明,该算法能满足实时要求,能够准确分离出运动目标区域和背景区域,且对相机运动、旋转,场景亮度变化等影响因素具有较强的鲁棒性.

关键词：计算机视觉、图像处理、多运动目标跟踪、移动背景、聚类

所属期刊栏目：20

分类号：TP391.4(计算技术、计算机技术)

资助基金：湖南省自然科学基金项目14JJ1011;高等学校博士学科点专项科研基金博导类资助课题20130161110009Natural Science Foundation of Hunan Province, China14JJ1011;Specialized Research Fund for the Doctoral Program of Higher Education of China20130161110009

在线出版日期：2015-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1492-1499