喉部区域分割与跟踪

问题

内窥镜喉部视频噪声大、对比度低，并且存在持续的运动伪影。逐帧可靠地跟踪喉部区域是后续任何临床测量的前提，但经典的逐帧检测方法一旦遇到结构短暂遮挡或快速移动就会失效。

方法

该项目将经典计算机视觉与时间域滤波相结合，而不是依赖逐帧人工标注：

• 检测与分割：使用 OpenCV 对喉部区域进行检测与分割，采用适合现有图像质量的经典目标检测技术。
• 卡尔曼滤波：保持跟踪在时间上的一致性——根据先前轨迹预测下一位置，并用每次新的检测结果进行修正，使单个质量不佳的帧不会中断跟踪。

结果

最终实现了一个完整的流程，能够在整段视频中检测、分割并跟踪该区域，使用 Python/OpenCV 从头到尾独立开发，是一个欧洲生物医学研究项目的一部分，获得最高荣誉（Matrícula de Honor）评分。

原始素材无法公开发布，因此本案例研究仅以手绘插画展示，不包含真实研究的片段。