毕业设计 基于KLT算法的视频图像点特征跟踪

南京邮电大学毕业设计（论文）题目：基于KLT算法的视频图像点特征跟踪专业：自动化学生姓名：班级学号：指导教师：杨敏指导单位：自动化学院信息与控制工程系日期：2008年3月17日至2008年6月20日摘要特征跟踪已经被越来越多的运用到现在的生活中，在航空航天、机器人遥操作和生物医学等领域更是得到了广泛应用，进行特征跟踪：首先必须选择一个好的特征，然后采用从一个帧到另一个帧的方法来进行识别和跟踪。事实上跟踪这个问题相对而言还是比较好解决的，但是相对应的能被很好跟踪而且能与物理特点相对应的特征还是比较难选取的。于是利用KLT跟踪算法，KLT算法可以从未加标识点的正面视频系列中通过特征纹理信息直接获取某些特征点的位移，在KLT算法中加入了基于特征统计信息的经验约束,使KLT算法更加合理有效。实验结果表明，该算法能够大大提高图像特征精确度，并具有较好的鲁棒性。关键词：视频跟踪；视频分析；特征点；KLT算法AbstractNowadaysfeaturetrackingareusedmoreandmoreinourlife,andwidelyusedinthefieldsofaerospace,robotteleoperationandbiologymedicalandsoon,trackingfeatures：Firstlywemustselectagoodfeature，thenidentifyandtrackitfromframetoframe.Infacttheproblemoftrackingcanbesolvedwell,butselectingfeaturesthatcanbetrackedwellandcorrespondtophysicalpointsisstillhard。SoweusedbytheKLTtrackalgorithm,thismethodcantrackdisplacementsoffacialfeaturepointsfromfrontalvideothroughtextureinformationoftheface1Atthesametime,inordertoimprovethemethod,wegivethestaticangleanddistancelimitationoffacialorganstotheKLTalgorithm.Theresultshowsthattheimage’sfeatureaccuracyisimprovedgreatlyandthemethodisrobust.Keywords:videotracking；videoanalysis；featurepoints；KLTalgorithm目录第一章绪论..............................................11.1简介..........................................................11.2视频图像物体运动分析的典型应用................................11.3人体运动检测的研究现状........................................21.4MATLAB仿真平台介绍.............................................31.4.1Matlab概述................................................31.4.2M文件介绍.................................................4第二章KLT算法..........................................52.1KLT算法......................................................52.2基于KLT图像特征的特性比较....................................72.2.1纹理特性..................................................72.2.2不相似性..................................................82.2.3收敛性....................................................9第三章KLT点特征跟踪算法应用............................123.1特征介绍.....................................................123.1.1颜色特征:................................................123.1.2纹理特征.................................................133.1.3形状特征..................................................143.1.4空间关系特征.............................................153.2KLT点特征跟踪算法概述.......................................163.3图像特征点的选择.............................................163.4特征点跟踪...................................................173.5特征点检测和跟踪算法分析.....................................173.6特征点运动分析...............................................183.7运动物体的特征点区域分析.....................................193.7.1利用特征点区域对物体运动检测的改进.......................193.8基于特征点区域的图像局部补偿.................................20第四章基于KLT算法视频图像点特征跟踪仿真...............214.1KLT算法用于特征点跟踪.......................................214.2加入经验约束的KLT算法.......................................224.2.1基准点的选择.............................................224.2.2特征窗口的选择...........................................234.2.3改进的KLT跟踪算法.......................................244.3结果分析.....................................................25结束语..................................................28致谢..................................................29参考文献................................................30附录：M文件源代码......................................31南京邮电大学2008届本科毕业设计（论文）1第一章绪论1.1简介视频图像有关人运动分析是近年来计算机视觉领域中备受关注的前沿方向，它从包含人的图像序列中检测，识别，跟踪人并对其行为进行理解和描述，属于图像分析和理解的范畴。从技术角度而言，人的运动分析的研究内容相当丰富，主要涉及到模式识别,图像处理，计算机视觉，人工智能等学科知识；同时，动态场景中运动的快速分割，物体的非刚性运动，物体自遮挡和目标之间互遮挡的处理等也为人的运动分析研究带来了一定的挑战，由于人的运动分析在高级人机交互，安全监控，视频会议，医疗诊断及基于内容的图像存储与检索等方面具有广泛的应用前景和潜在的经济价值，从而激发了世界上广大科研工作者及相关商家的浓厚兴趣，尤其在美国，英国等国家已经开展了大量相关项目的研究。视频图像物体运动分析的主要目的，是从一组包含人的图像序列中检测，识别，跟踪物体，并对其行为进行理解和描述。大体上这个过程可分为底层视觉模块,数据融合模块和高层视觉模块。其中，底层视觉模块主要包括运动检测，目标跟踪等运动分析方法；数据融合模块主要解决多摄像机数据进行融合处理问题;高层视觉模块主要包括目标的识别,和有关于运动信息的语义理解与描述等。物体运动的视觉分析在人机交互，视频会议，医疗诊断，虚拟现实等方面的广泛应用前景，这使得它成为近年来备受研究者们关注的前沿方向。特别将物体运动视觉分析的研究结合在移动待测物体平台，利用移动待测物体的灵活性，交互性，自主性和适应性,是运动视觉分析的研究进入到了一个更加深入广泛的应用领域，同时也提高了移动待测物体自身的智能程度。一个典型的例子就是服务型待测物体，这种移动待测物体利用自身搭载的视觉系统以及其他传感器装置，获取外界环境以及服务对象信息并加以融合处理,通过对目标进行运动检测和跟踪，来定位和分析目标运动情况,进而采取行动完成其自身应该完成的任务。1.2视频图像物体运动分析的典型应用视频图像人体运动的分析的主要内容，是从一组包含人的图像序列中检测，识别，跟踪人体，并对其行为进行理解和描述。在通常情况下，针对特定场景下的运动检测是依赖于场景模型的，因而运动检测和环境模型可以放在一起讨论。有了场景模型，就可以进行运动检测。然后对检测到的运动区域进行目标分类与南京邮电大学2008届本科毕业设计（论文）2跟踪，这两个问题又是互相补充的。通过对前面处理得到的人体运动信息进行分析及理解，最终输入给应用。视频图像人体运动的分析具有广泛的应用前景：（1）智能监控系统一个应用是在访问控制场合识别个人的身份.通过进行人脸的识别,步态的分析等,决定来人是否有进入该安全区域的权利。另外一个应用则更关注于人在该场景下的动作(而不是仅仅识别人的身份)，主要来自那些对于安全要求敏感的场合,如停车场,超市,自动贩卖机,ATM和交通管理等，当场景里出现可疑行为时,能及时向保安人员发出警报的监控系统,从而避免犯罪的发生。（2）高级用户接口在未来的人机交互中,我们希望机器能像人一样,将视觉信息作为语音和自然语言的有效补充来完成更加智能化的人机交互。这就需要计算机除了传统的键盘鼠标外,还具备独立感知外部环境的能力,提取环境中的有效信息(如检测到人的存在),并进一步进行人体姿势的识别和行为理解,结合面部表情,身体姿势和手势等来与人进行高层次的人机交互。（3）运动分析运动分析主要是在三个方面的应用.一是从体育运动的数据库中进行基于内容的图像搜索。二是在舞蹈,运动等训练中,用视觉的方法建立人体的几何模型,通过关节的运动分析来指导,纠正训练者的动作,可以达到非常直观的效果。三是在医学步态分析中的运用。目前的医学步态分析是一个旨在提供诊断和治疗支持的研究领域。1.3人体运动检测的研究现状人体运动检测的目的是从序列图像中将运动人体从图像序列当中提取出来,并将人体目标从所有运动目标中分类出来。在室内单人检测情况下,要求能够对人体运动区域进行跟踪.即使不满足上述条件,也可以帮助使以后的处理过程仅仅考虑图像中对应于运动区域的像素,所以这一步是非常重要的.下面是归纳出的目前几种常用的方法。（1）背景减除背景减除方法是目前运