基于精确背景运动补偿的机器人运动目标检测与跟踪

摘要：

为实现动态场景下机器人快速准确地检测与跟踪运动目标,提出一种基于精确背景补偿的运动目标检测方法,并利用Kalman滤波扩展的KCF算法进行目标跟踪.针对传统ORB算法存在特征点分布不均匀、误匹配率高导致背景补偿效果不佳的问题,采用小波变换及图像分块处理保证提取的特征点数目及均匀分布,通过SURF算法提取具有尺度不变性的特征点并构建ORB描述子.利用KNN算法与对称约束相结合的特征匹配法提高匹配精度,同时引入改进的RANSAC方法精确求解全局运动参数完成背景运动补偿,最后通过帧差法及形态学处理获得完整的运动目标,并将KCF算法融合Kal-man 滤波实现对被遮挡目标进行再跟踪.实验结果表明:该方法特征匹配正确率达到98.4％,在背景运动状态下能够实时准确地检测出运动目标,并且能够连续稳定地跟踪目标.

关键词：动态场景、背景补偿、运动目标检测、目标跟踪、ORB算法

所属期刊栏目：51

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家重点研发计划

在线出版日期：2023-04-25（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：20-27