基于單目視覺的運(yùn)動(dòng)目標(biāo)跟蹤定位技術(shù)研究.pdf

1、單目視覺跟蹤和定位技術(shù)通過一臺(tái)攝像機(jī)對運(yùn)動(dòng)目標(biāo)圖像序列進(jìn)行采集，利用景物中的一些自然或者人造的特征，運(yùn)用圖像處理等方法，完成對運(yùn)動(dòng)目標(biāo)的跟蹤和定位，具有結(jié)構(gòu)簡單、標(biāo)定步驟少等優(yōu)點(diǎn)，被大量應(yīng)用于運(yùn)動(dòng)目標(biāo)導(dǎo)航和定位領(lǐng)域的多個(gè)行業(yè)。單目視覺跟蹤和定位是計(jì)算機(jī)視覺研究的一個(gè)重要內(nèi)容，涉及計(jì)算機(jī)圖像處理、模式識(shí)別、人工智能及自動(dòng)控制等諸多學(xué)科。本論文以空中加油機(jī)加油管錐套和受油機(jī)受油口的自動(dòng)對準(zhǔn)系統(tǒng)研制項(xiàng)目實(shí)際需求為依托，運(yùn)用機(jī)器學(xué)習(xí)和模式分類相

2、關(guān)理論，研究在單目觀測圖像序列下運(yùn)動(dòng)目標(biāo)的跟蹤和定位問題。
　　構(gòu)建基于單目視覺的運(yùn)動(dòng)目標(biāo)跟蹤和定位系統(tǒng)需要目標(biāo)跟蹤和目標(biāo)定位兩大模塊，而目標(biāo)的識(shí)別、分類和檢索構(gòu)成了這兩大模塊的基礎(chǔ)。針對目標(biāo)識(shí)別、分類和檢索中，目標(biāo)識(shí)別率和檢索精度對光照敏感、易受遮擋等環(huán)境影響的缺點(diǎn)，本文用小圖像塊代替像素點(diǎn)來描述樣本圖像，研究了基于小圖像塊及其上下文小圖像塊組合的特征提取方法來提升分類檢索算法的識(shí)別效率。此外，在目標(biāo)非合作情況下，由于圖像樣本數(shù)

3、據(jù)庫的規(guī)模隨著參數(shù)估計(jì)精度要求的提高呈指數(shù)級(jí)增長，因此建立跟蹤和定位模型的訓(xùn)練圖像數(shù)據(jù)庫存在特征維數(shù)過大，即“維數(shù)災(zāi)”的問題。針對該問題，本文研究了基于特征降維和Anchor超圖排序的圖像分類與檢索算法，并討論了圖像分類檢索中的圖像相異性學(xué)習(xí)問題。本文還討論了運(yùn)動(dòng)目標(biāo)跟蹤和空間定位問題，提出了基于小圖像塊統(tǒng)計(jì)分析的目標(biāo)跟蹤方法和基于圖像分類與檢索的目標(biāo)空間定位方法，并以戰(zhàn)斗機(jī)空中加油自動(dòng)對準(zhǔn)為背景進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果驗(yàn)證了論文所提出的相

4、關(guān)結(jié)論。
　　論文的主要研究工作和相關(guān)成果有以下幾個(gè)方面：
　　第一，針對目標(biāo)跟蹤和定位中，目標(biāo)識(shí)別率易受目標(biāo)姿態(tài)轉(zhuǎn)動(dòng)、遮擋以及光線變化等環(huán)境因素影響的缺點(diǎn)，提出了 CLP局部特征學(xué)習(xí)方法。該方法利用Fisher判別準(zhǔn)則，能有效的提取目標(biāo)的局部特征，并通過實(shí)驗(yàn)證明基于CLP局部特征方法的分類算法比其它局部特征方法有著更高的識(shí)別率。此外，圖像特征降維和相似性排序在圖像分類與檢索中也起著重要的作用，本文融合NMF和PCA兩種方法

5、對高維圖像特征降維，之后結(jié)合基于Anchor超圖的圖像相似度學(xué)習(xí)算法，提出了一種新的降維分類框架，提高了分類與檢索的精度，并通過實(shí)驗(yàn)進(jìn)行了驗(yàn)證。
　　第二，針對目標(biāo)識(shí)別中的特征相似性及相異性問題，提出了基于 AdaBoost的相異性學(xué)習(xí)算法。該算法結(jié)合特征提取和相似性排序，衡量了不同特征點(diǎn)的不同分布，通過使用不同的距離測量函數(shù)構(gòu)建一些候選距離量度，然后使用AdaBoost算法組合不同的距離量度。該方法可以使選擇的特征和最佳候選距離

6、相匹配，得到最佳的相似性估計(jì)，并通過實(shí)驗(yàn)對算法性能的優(yōu)越性進(jìn)行了驗(yàn)證。
　　第三，為了提高目標(biāo)跟蹤算法的實(shí)時(shí)性，論文提出了基于小圖像塊統(tǒng)計(jì)分析的目標(biāo)模型表達(dá)方法，該方法用小圖像塊代替像素，結(jié)合k-means聚類算法以及SVM分類機(jī)，把對圖像序列中像素點(diǎn)的顏色、灰度等的統(tǒng)計(jì)分析轉(zhuǎn)換成對量化小圖像塊的索引值的統(tǒng)計(jì)分析，降低了目標(biāo)跟蹤算法的計(jì)算時(shí)間，提高了系統(tǒng)的實(shí)時(shí)性。
　　第四，設(shè)計(jì)了一種基于圖像分類與檢索的在線目標(biāo)跟蹤和定位系