论文部分内容阅读
目标跟踪在智能监控、智能交通以及军事领域获得了广泛应用,尤其是对复杂场景下的红外弱小目标进行跟踪。红外场景下由于目标在运动过程中会出现各种异常情况如目标被遮挡,受到强辐射源干扰(含不同波段)等,这使得目标的跟踪变得困难。在分析了多种优秀的跟踪算法后,本文根据红外目标的特性提出了一种基于核相关分类器一致性的红外图像抗遮挡跟踪算法(Infrared image Anti-occlusion Tracking Algorithm Based on the Consistency of Classifier of Kernelized Correlation Filter)简称CC-KCF算法,设计实现了该跟踪算法的原型,并设置了相应的技术参数。应用改进的CC-KCF算法在多核DSP平台上实现移植,使得图像跟踪器的运算速度得到极大提高。在序列图像预处理阶段,针对红外图像的特性,本文研究了一种基于自适应参数变化的加权线性滤波抗光照干扰的序列图像量化方法。该方法提高了图像序列的抗强红外辐射干扰能力,使得序列图像间的灰度变化趋于稳定,极大地提高了图像质量。在跟踪算法研究阶段,本文提出了一种基于核相关分类器一致性的抗遮挡跟踪算法CC-KCF算法。其中对于目标被遮挡与否的判定提出了一种基于核相关分类器一致性度量的目标遮挡检测方法,能在目标被遮挡后及时地“报警”从而进入目标丢失重捕阶段。针对目标重捕,本文使用基于核相关分类器一致性的匹配算法进行目标捕获从而找回目标,使算法的抗遮挡性能得到提高。提出了多尺度滤波方法使得跟踪算法对目标的尺度变化能够准确及时的响应。提出了特征归一化方法使得跟踪算法对光照突变的抵抗能力得到增强。对核跟踪算法的改进,使系统的长时间稳定跟踪性能得到很大改善。最后,将CC-KCF算法与其他跟踪算法进行相同条件下的实验对比,从抗目标遮挡、抗光照突变以及跟踪的稳定性方面分别对算法进行了评价,最终在DSP平台上实现了CC-KCF算法的移植。