物体轮廓的提取和跟踪技术可广泛应用于医学图像、运动跟踪、机器人路径规划、视频安防监控、无人驾驶汽车、卡通制作等领域,具有非常重要的意义,SNAKE模型是实现物体轮廓提取的一种有效方法,主要应用于医学图像,运动跟踪,形状识别。 文中阐述了在视频摄像中跟踪运动物体轮廓的一种方法,并对此方法进行改进,然后结合KALMAN滤波进行运动预测,实现运动物体的跟踪。具体做法是,首先由用户在感兴趣的物体附近指定其轮廓,随后该轮廓曲线会进化并锁住物体的边缘。一旦锁住之后,该物体的运动轨迹即可被跟踪且不需要用户再输入任何参数。本文在总结他人研究成果的基础上,在物体轮廓的提取方面,主要创新点是:将MINIMAX准则应用于参数的自动选取,对霍夫变换进行改进使其能应用于SNAKE初始轮廓的自动选取,对动态规划算法进行改进使其应用于SNAKE模型,以及将KALMAN滤波与SNAKE模型相结合用以跟踪运动物体的轮廓等。本文工作的主要研究工作包括:1.实现SNAKE模型的贪婪算法。2.解决SNAKE初始轮廓的选择问题,解决自动参数的选择问题。3.对SNAKE模型进行改进,使原有的SNAKE更好的收敛于物体的边缘。4.采用KALMAN滤波器预测物体的运动轨迹,实现运动物体的有效跟踪。