基于Kalman滤波器的红外标志点快速识别与跟踪-论文.pdf

《基于Kalman滤波器的红外标志点快速识别与跟踪-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第3O卷第4期德州学院学报Vo1．30。No．42014年8月JournalofDezhouUniversityAug．，2014基于Kalman滤波器的红外标志点快速识别与跟踪邢巧娜(德州学院物理与电子信息学院，山东德州253023)摘要：在军事上，利用移动机器人跟踪前方的引导员，在野外复杂环境中完成后勤运输与救援任务有重要的意义．针对野外复杂环境这个应用背景，提出了一个基于红外标志点的视觉跟踪系统，该系统有效的解决了传统的视觉跟踪方法受周围环境影响而不能够准确的识别跟踪对象的缺陷；针对传统的标志点识别采用全局搜索的方法计算量大、实时性差的缺陷，提出了一种基于Kalm

2、an滤波器预测的红外标志点的识别方法，该方法较传统的标志点识别方法识别速度提高了93．关键词：红外标志点；Kalman滤波器；标志点识别中图分类号：TP391．41文献标识码：A文章编号：1004—9444(2014)04—0025—08等的颜色信息进行跟踪．但是在野外复杂环境下，随引言着时间和地点不断变化的光照将导致以上基于颜色信息对跟踪目标的识别很容易失败．在野外复杂环境下运输机器人通过跟踪前方的2)基于人体轮廓特征的跟踪方法．文献[6-I中，引导员将军队后勤保障物资顺利送达运输目的地在利用跟踪目标的轮廓建立模板，然后利用图像序列军事上有着重要的意义．实现移动机器人

3、对引导员中检测到的轮廓信息与已近建立好的轮廓模板进行跟踪的方法有多种，但由于视觉传感器定位准确性匹配，从而识别出跟踪目标．但是，在野外复杂环境高、适合本文3～5m量程范围、成本适中，所以本下，光照及背景随着时间和地点在不断的变化，这将文选择视觉传感器对引导员进行跟踪定位．但由于很容易导致轮廓缺失或变形，使得识别的准确性降传统的视觉跟踪方法存在受光照和背景变化影响较低．大的缺陷，本文提出一种基于红外标志点的视觉跟3)基于红外成像的跟踪方法L7]．利用人体与踪系统．周围环境辐射能量的差异，通过红外成像将人体与针对传统的标志点识别方法采用全局搜索的识周围环境区分开来，从而达到

4、识别与跟踪的目的．这别方法不仅计算量大、实时性差，而且系统的抗干扰种方法不受光照与复杂环境变化的影响，但是如果能力也较弱的缺陷，本文提出了一种基于Kalman视野中同时出现两个或者两个以上的人，由于不同滤波预测的红外标志点的快速识别方法，通过该方人体所成的红外图像没有太大差异，这将导致不能法来提高跟踪系统的实时性和在复杂环境下的抗干准确识别跟踪对象．扰能力．针对以上传统的视觉跟踪方法受光照和背景变化影响较大的缺陷，本文提出一种基于红外标志点2红外标志点跟踪系统的视觉跟踪系统．所提出的跟踪系统一方面利用了红外成像跟踪方法的优势，不受光照和复杂环境的2．1红外标志点跟踪系统

5、的选择变化对跟踪目标识别准确性的影响，且可以全天候目前，基于移动机器人对行人的视觉跟踪的方的工作；另一方面解决了人体红外成像跟踪方法受法主要有以下三大类．其他人干扰的缺陷，在野外复杂环境下用红外标志1)基于颜色信息的跟踪方法．此类方法一般利点的红外特征取代人体的红外特征，使得跟踪目标用跟踪对象所穿衣服的颜色、皮肤。或人脸，5]在环境中始终保持唯一性．收稿日期：2014一O3—29作者简介：邢巧娜(1986一)，女，陕西榆林人，助教，硕士，主要从事图像处理研究．28德州学院学报第3O卷点识别的过程．在保证红外标志点识别准确性的前波器对红外标志点下一时刻可能出现的区域进行预

6、提下，简化后的识别流程如下．测．(1)在4个Kalman预测区域对图像做膨胀处2)Kalman滤波器．针对传统的标志点识别采理．用全局搜索的方法计算量大、实时性差、抗干扰能力(2)标志点区域分割．跟踪时刻分割阈值计算如较差的问题，本文提出了使用Kalman滤波器预测4公式(2)．个红外标志点在下一帧图像可能出现的区域，然后Ef(x，)在较小的预测区域中进行标志点的搜索，可以极大reshold2一—一(2)地减少非目标区域的干扰，简化标志点识别过程，从r而提高标志点识别的速度．a1-ea表示Kalman滤波器预测的标志点预测区(1)Kalman滤波原理．Kalman滤波器

7、是由Ru—域，f(x，)表示像素灰度值，7llAmbe~"表示预测区域内dolphE．Kalman在1960年提出的一种线性滤波像素个数，每一个红外区域分割阈值threshold2为预测器，可以有效地去除采样序列中的噪声，利用上一时区域的灰度平均值．在预测区域内，如果当前像素的灰刻的状态值递归计算出当前的状态值．卡尔曼滤波度值小于阈值，那么进行下一像素的扫描；如果当前像器的模型[g为素的灰度值大于或等于阈值，则保留当前像素的横坐状态方程标和纵坐标并且记录每个预测区域中大于阈值的像素X一AXl+w卜1：AX卜1+W卜1(4)个数，为下一步计