1、摘 要视频运动目标检测与跟踪算法是计算机视觉领域的一个核心课题，也是智能视频监控系统的关键底层技术。它融合了图像处理、人工智能等领域的研究成果，已经广泛应用于安保监控、智能武器、视频会议、视频检索等各个领域。因此，检测与跟踪算法研究具有极其重要的理论意义和实用价值。运动目标检测与跟踪涉及到计算机图像处理、视频图像处理、模式识别、以及人工智能等诸多领域，广泛地应用于军事、工业、生活等各个方面。研究内容分为三个方面：图像的预处理、运动目标的检测和运动目标的跟踪。在图像的预处理方面，采用均值滤波，抑制噪声；并应用形态学的方法进行滤波和去除小黑点，改善图像质量。在运动目标的检测方面在运动目标检测方面，
2、本文对常用的三种方法进行了分析，包括帧间差分法和背景差分法，并指出其优缺点及主要的适用范围;重点研究了帧间差分法，帧间差分法比较简单，对环境的适应能力强，但是检测到的运动目标不精确。在运动目标的跟踪方面，也做了初步的研究。采用最小外界矩形框来定位目标，借助最近领域法预测目标位置，缩小目标的搜索范围，提高目标的跟踪速度。关键词：运动目标检测，运动目标跟踪，颜色直方图，视频监视系统AbstractVideo moving target detection and tracking algorithm is a core area of computer vision issues, but als
3、o the key to intelligent video surveillance system underlying technology. It combines image processing, artificial intelligence research, has been widely used in security monitoring, smart weapons, video conferencing, video retrieval and other fields. Therefore, the detection and tracking algorithm
4、is extremely important theoretical and practical value. Moving target detection and tracking related to computer image processing, video, image processing, pattern recognition and artificial intelligence fields, widely used in military, industrial, and other aspects of life. Research is divided into
5、 three areas: image preprocessing, moving target detection and tracking of moving targets. In image preprocessing, the use of filtering, noise suppression; and apply the method of morphological filtering and removal of black specks and improve image quality. In moving target detection in motion dete
6、ction, the paper three commonly used methods of analysis, including inter-frame difference and background difference method, and pointed out their advantages and disadvantages and the main scope of application; focus on the frame difference method, frame difference method is relatively simple, adapt
7、able to the environment, but the detected moving target imprecise. Tracking the moving target, but also made a preliminary study. Rectangular box with the outside world to locate the minimum target, with the most recent method to predict the target location areas and narrow the search target to impr
8、ove the tracking speed. EYWORDS：Moving target detection，Moving target tracking，Color histogram，Video surveillance systems摘 要 .1Abstract .2第一章 绪论 .611 课题的研究背景及意义 .612 国内外的研究现状，发展动态 .812 1 国外研究现状 .812 2 国内研究现状 .1012 3 难点与发展趋势 .111.3 本论文的研究内容和论文结构 .12第二章 视频运动目标检测算法分析 .142.1 帧间差分法 .142.2 边缘检测 .162.3 背景差
9、分检测 .192.4 光流法 .20第 三 章 图 像 的 预 处 理 .213.1 图像灰度化 .213.1.1 分量法 .213.1.2 最大值法 .213.1.3 平均值法 .213.1.4 加权平均法 .223.2 图像的二值化 .223.3 图像滤波处理 .233.4 形态学图像处理 .243.4.1 腐蚀 .243.4.2 膨胀 .25第 四 章 目 标 跟 踪 及 预 测 方 法 .264.1. 运动目标跟踪的方法 .264.1.1.基于区域的跟踪 .264.1.2 基于特征的跟踪 .274.2 本文采用的技术方案 .284.2.1 直方图和质心 .284.2.2 最小外接矩形
10、.284.3 运动特征的提取和运算 .29第五章 总结与展望 .30第一章 绪论1 1 课题的研究背景及意义随着计算机技术的不断发展，计算机能力得到了极大的提高，使得利用计算机实现人类的视觉功能成为目前计算机领域最热门的课题之一。该领域称之为计算机视觉，它是计算机技术，电子信息工程，微电子技术等多学科的一个共同的衍生点，是一门新兴的技术。计算机视觉研究的目标是使计算机具有通过图像（和静止的图像相比，运动图像包含了更多的信息)认知周围环境信息的能力，这种能力不仅能使计算机能感知环境中物体的几何信息，包括它的形状、位置、姿态、运动等，而且能对它们进行描述、存储、识别与理解。在过去的二十多年里，如何
11、利用计算机把运动目标检测出来并对感兴趣的部分进行跟踪，从而实现对目标运动行为的理解和描述，一直是一个具有挑战性的课题，也是一项非常活跃的研究领域。运动目标的检测与跟踪，目的是通过对视频图像的分析，实现对场景中目标的定位、识别和跟踪，从而做到对目标行为的分析，在完成日常管理外还能对发生的异常情况做出反应。对视频的自动检测可以减少对视频信号的存储并能实现自动报警。它可以指导操作人员去解决一些潜在的问题还可以极大的减少视频传输所需要的带宽，并且只存储一些感兴趣的片断。运动目标的检测和运动目标的跟踪，这两方面工作是一个承接的关系，但同时也相互影响。运动目标检测是第一部分，它就是实时地在被监视的场景中检
12、测运动目标，并将其提取出来。运动目标跟踪也是衔接运动目标检测和目标行为分析和理解的一个重要环节。所谓运动目标跟踪，就是在运动目标检测的基础上，利用目标有效特征，使用适当的匹配算法，在连续图像中寻找与目标最相似的图像的位置，简单的说就是给目标定位。在实际应用中，运动目标跟踪不仅可以提供目标的运动轨迹和准确定位目标，为下一步的目标行为分析与理解提供了可靠的数据来源，而且也可以为运动目标检测提供帮助，从而形成一个良性的循环。运动目标的检测、跟踪技术是一个对实时性和识别精度有较高要求的高科学技术。在技术上涉及到计算机图像处理、视频图像处理、模式识别、以及人工智能等诸多领域，因而具有较强的研究价值。而且
13、它在军事、工业和科学研究方面的应用极为广泛，如：视频监视、虚拟现实、运动目标捕获、智能交通、军事制导等。正是由于这些显著的优点及其广泛的应用前景，研究图像目标的检测与跟踪具有重要的意义。视觉跟踪技术具有广阔的应用前景，并不仅仅局限于上述所介绍的几个方面。实现一个具有鲁棒性、准确性的视觉跟踪系统是当前视觉跟踪技术努力的方向。随着计算机技术的不断发展，视觉跟踪技术作为计算机视觉领域中的核心技术之一，在一些关键技术中具有越来越重要的作用。1 2 国内外的研究现状，发展动态1 2 1 国外研究现状图像的类型主要有三种：可见光图像、红外图像和雷达图像。其中可见光图像是通过光学成像原理得到的；红外图像是通
14、过不同物体表面辐射的热量不同的而得到的；雷达图像则是合成孔径雷达、毫米波雷达、激光雷达等不同成像手段得到的图像。针对它们不同的特点，也就产生了不同的检测跟踪算法。本文针对可见光图像中的运动目标进行分析研究。巨大的商业价值和应用价值使越来越多的公司和学术机构致力于这种技术的研究。美国，英国等国家己经展开了大量相关项目的研究。1997 年，由美国国防高级研究项目署DARPA(DefenceAdvanced Research Projects Agency)领头，以美国卡耐基梅隆大学为首，麻省理工学院等高校参与了视频监控系统项目 VSAM（VSAM：System for video surveill
15、ance andmonitoring，意为：视频监控系统)的研究开发，并于 2000 年基本完成此项目主要研究的是针对战场及普通民用场景进行监控的自动视频理解技术：分布于各个不同位置的摄像头获取的视频信号通过一个分布式的网络连接汇集到操作中心，只需要一个操作人员就可以监控一个相当广阔的空间范围同时，在很大程度上减少了操作人员的劳动强度，系统能够自主检测异常情况的发生，而且只有在检测到异常的情况下系统才会发出信号，提醒操作人员作相应的处理。从 2000 年开始，DARP 又设立了 HID（Human Identification at a Distance)计划，美国有 13 所大学和 5 个研
16、究中心参与了这个项目的研究，包括卡内基梅隆大学、马里兰大学、麻省理工大学、哥伦比亚大学等。其任务是开发多模式的、大范围的视觉检测技术，以实现远距离情况下人的检测、分类和识别，增强国防、民用等场合免受恐怖袭击的自动保护能力。欧盟赞助研究的 PRISMATICA 系统，该系统融合了多种智能检测设备(智能摄像头、非接触智能卡、无线视频传输等)，用于地铁站的安全监视。国外一些公司近年来相继推出了具备一定智能功能的视频监视系统，如: 娜威的 DETEC AC 公司提供的 Detec 系统;美国 ObjectVideo公司提供的 ObjectVideo VEW、ObjectVideo Forensics。
17、它们实现了在用户定义规则下对监视场景进行监测、跟踪、分类、统计的软件系统，可在诸如有人闯入、盗窃、提包遗失或者未经许可在限制区域闲逛等违反自定义规则的情况下报警。另外还有ObjectVideo On Board 一构建在 DSP 处理器上的嵌入式视频监视系统; 在日本，一家公司发展的基于的三维激光摄像机的自行车辆及行人检测系统，系统的主要目的是获得交通流参数，以动态地智能地控制交通信号。1 2 2 国内研究现状相对而言，国内在目标跟踪技术方面的研究起步较晚。主要的研究团队有中科院自动化所模式识别国家重点实验室、北京大学视觉与听觉信息处理国家重点实验室及清华大学智能技术与系统国家重点实验室。中科
18、院自动化所模式识别国家重点实验室的主要目标是实现一个动态场景集成分析演示系统并最终推向实用，而北京大学视觉与听觉信息处理国家重点实验室的工作主要是实现高度智能化的机器感知系统，并在言语听觉技术、三维视觉信息处理、智能机器人等研究领域取得许多研究成果。清华大学智能技术与系统国家重点实验室主要从事人工智能基本原理、基本方法的基础与应用基础研究，包括智能信息处理、机器学习、智能控制，以及神经网络理论等，还从事与人工智能有关的应用技术与系统集成技术的研究，主要有智能机器人、声音、图形、图像、文字及语言处理等。交通流参数，以动态地智能地控制交通信号。在国内，也己有一些具备智能功能的视频监视产品上市，如:北京黄金眼科技的黄金眼，北京行者科技的行者猫王等产品。但是，目前国内使用中的视频监视系统大部分均侧重于视频数据的压缩、传输和存储;其报警功能大都利用红外，烟雾等外接传感器实现;视频数据到达终端以后还是需要由人来实时观测分析，或者是存储起来以备事后查阅。这种系统仍需耗费大量的人力物力，却只能实现部分的预期功能，远远无法满足日益增长的对监视系统智能化的需求。1 2 3 难点与发展趋势基于计算机视觉的运动物体检测和跟踪方法，目前国内外有很多机构和学者对其进行研究。由于该领域的研究对象复杂，研究内
