实际环境中光照变化、目标运动复杂性、遮挡、目标与背景颜色相似、杂乱背景等都会增加目标检测与跟踪算法设计的难度,其难点问题主要在以下几个方面: 背景的复杂性:光照变化引起目标颜色与背景颜色的变化,可能造成虚假检测与错误跟踪。采用不同的色彩空间可以减轻光照变化对算法的影响,但无法完全消除其影响;场景中前景目标与背景的相互转换,与行李的放下、拿起,车辆的启动与停止;目标语背景颜色相似时会影响目标检测与跟踪的效果;目标阴影与背景颜色存在差别通常被检测为前景,这给运动目标的分割与特征提取带来困难。 目标特征的取舍:序列图像中包含大量可用于目标跟踪的特征信息,如目标的运动、颜色、边缘以及纹理等。但目标的特征信息一般是时变的,选取合适的特征信息保证跟踪的有效性比较困难。 遮挡问题:遮挡是目标跟踪中必须解决的难点问题。运动目标被部分或完全遮挡,又或是多个目标相互遮挡时,目标部分不可见会造成目标信息缺失,影响跟踪的稳定性。为了减少遮挡带来的歧义性问题,必须正确处理遮挡时特征与目标间的对应关系。大多数系统一般是通过统计方法预测目标的位置、尺度等,都不能很好地处理较严重的遮挡问题。 兼顾实时性与鲁棒性:序列图像包含大量信息,要保证目标跟踪的实时性要求,必须选择计算量小的算法。鲁棒性是目标跟踪的另一个重要性能,提高算法的鲁棒性就是要使算法对复杂背景、光照变化和遮挡等情况有较强的适应性,而这又要以复杂的运算为代价。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。