1、1毕业设计文献综述计算机科学与技术视频中移动对象跟踪技术研究摘要视频中移动对象跟踪技术的研究是当前计算机视觉领域的一个热点问题，本文对这一问题研究现状进行了大量的文献阅读，并做了总结和展望。为了清楚地表达这一研究问题我引用了目前主流的划分方法进行相应的阐述。最后我提出了未来的移动对象跟踪技术的一个发展前景是人机交互。在某些时刻适当地让算法与人进行一定的交互来达到有效地处理复杂情景。关键词计算机视觉；目标跟踪；移动对象跟踪技术；人机交互；一、视频中移动对象跟踪技术研究的意义随着计算机技术的不断发展，计算能力得到了极大地提高，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中最热门的课题之一1。
2、视频中移动对象跟踪（简称目标跟踪）是计算机视觉领域的一个分支，它在视频监控、视频压缩与传输、电话会议、人机界面的应用中以及高技术武器装备方面都有重要的意义2,15。目前的一些目标跟踪算法中都有各自适用的情景，有些不能处理遮挡、速度突变、光线变化以及多目标干扰。二、视频中移动对象跟踪技术的研究现状1移动对象跟踪技术的基本原理对于视觉跟踪问题的处理，总体上讲有两种思路1，一种称之为自底向上的处理方法；另一种称之为自顶向下的处理方法。文献3,4也给出了另外两种不同角度的划分。（1）自底向上的处理方法自底向上的处理方法又称之为基于运动分析的方法3，这种方法不依赖于先验知识，直接从图像序列中获得目标的运
3、动信息并进行跟踪。在自底向上的视觉跟踪过程中，跟踪的目的是获得场景中运动目标的位置、速度、加速度、运动轨迹等信息，这相当于视觉过程中的后期阶段，为得到这些信息，在获得图像序列并对图像序列进行预处理之后，首先直接从图像序列中检测运动目标，这是早期阶段；检测到运动目标之后，提取出运动目标并进行识别，以判定是否跟踪，这相当于中期阶段；最后对该目标进行跟踪并获得运动目标的相关运动信息。上述过程按处理顺序共分为四步，第一步为图像预处理，一般对所获得的序列图像进行消噪或增强，提高图像质量以方便后续处理；第二步为目标检测，在摄像机不动情况下一般采用帧差法或背景差法进行变化检测以获取运动目2标，此时得到的运动
4、目标是一个斑点；第三步为目标分类，要完成两个任务，首先提取出检测到的运动目标，其次对该目标进行识别；最后在目标跟踪阶段获得运动目标的相关运动信息。该方法在摄像机静止情况下效果非常好，但如果摄像机是运动的，则实现运动目标检测与跟踪就比较困难，因此在很大程度上局限了该方法的使用范围。系统14也部分符合这个方法。（2）自顶向下的处理方法自顶向下思路利用先验知识对跟踪问题建立模型，然后利用实际图像序列验证模型的正确性，这种方法具有坚实的数学理论基础，有很多数学工具可以使用，因此一直是理论界研究视觉跟踪问题的主流方法。这种方法一般依赖于所构建的模型或先验知识，在图像序列中进行匹配运算或求解后验概率，采用
5、匹配运算时，如果相似距离最为接近则认为跟踪上运动目标；求解后验概率时，选择最大后验概率所对应的状态向量作为运动目标的当前状态。但是，先验知识的表述是人工智能中的困难所在。系统14是这种方法的典型。2国内外移动对象跟踪技术的研究情况（1）国内的研究现状国内对移动对象跟踪技术有较多的研究，一些研究人员提出很多有效的跟踪算法。杨杨、张田文10于2000年提出了一种基于特征光流的运动目标跟踪方法，跟踪过程中建立了角点、类及类形状模型的卡尔曼滤波模型,对目标的状态随时进行估计和预测,指导跟踪的进程,使得跟踪更加主动,减少了跟踪时间,提高了跟踪精度,并为目标遮挡和目标失锁等异常情况的处理提供了有效的工具。
6、向卫军、韩根甲8与2003年在红外热成像领域成功地应用了一种基于模板匹配的目标跟踪算法。胡洪涛、敬忠良、李安平、胡士强6与2004年提出了一种在非高斯条件下基于粒子滤波的目标跟踪。程建、杨杰9与2005年提出了均值漂移跟踪算法在红外目标中的应用，它在当前帧目标与目标模型的相似度低于给定的阈值，则进行模型更新。张宏志、张金换、岳卉、黄世霖7与2006年提出了基于CAMSHIFT的目标跟踪算法，该文献中算法将图像由RGB颜色空间转化到HSV颜色空间进行后续处理，这减少了光照亮度变化对跟踪算法的影响。孙中森、孙俊喜、宋建中2与2007年提出了一种抗遮挡的运动目标跟踪算法，该文献中对处理遮挡的方法进行
7、了一定的总结，还引入了目标遮挡因子来判断是否发生遮挡。胡建华、徐健健11与2007年提出了一种基于遗传算法和卡尔曼滤波的运动目标跟踪方法，这是一个很新的思路，由于遗传算法是一种新的全局优化搜索算法，采用非遍历寻优策略，有很好的实时性。熊玉梅、郭坚、陈一民5与2011年提出了一种搜索窗口可变的目标跟踪算法，3该跟踪算法最关键之处就是需要根据预测前面得到的标志坐标,预测下一次标志将会出现的位置,并计算下一次的搜索窗口。曲巨宝,林宏基,梁洪涛，刘胜12与2011年提出的文献中比较了经典的卡尔曼滤波、粒子滤波以及MEANSHIFT算法的各自缺点，并提出了一种改进背景差分法与核宽自适应的MEANSHIF
8、T算法相结合的目标跟踪算法，此算法采用灰度质心技术与核带宽自适应算法提高MEANSHIFT跟踪效率和鲁棒性。（2）国外的研究现状国外的主流的跟踪算法还是集中在对MEANSHIFT、粒子滤波，卡尔曼等算法的研究上。经典的卡尔曼计算量大，构造模型困难，不适合复杂环境下的实时运动目标跟踪。经典的粒子滤波算法也因经过多次迭代后，大量粒子只集中了较小的权值它们对后验概率的估计几乎不起作用。经典的MEANSHIFT算法缺乏模板更新与核带宽自适应功能，容易出现目标丢失情况。虽然MEANSHIFT算法有这样的缺点，但是它是一个无参数估计算法，硬件实现比较容易，加之采用核函数直方图建模，对边缘遮挡、目标旋转、变
9、形和背景运动不太敏感。因此在目标跟踪算法中MEANSHIFT算法还是一个主流。另外在目标模板与候选模板之间相似度的计算一般都采用BHATTACHARYYA系数。文献14与2010年提出了结合自适应卡尔曼与MEANSHIFT的目标跟踪算法，该方法对真实复杂情况下连续帧中目标移动的跟踪有很好的鲁棒性，例如，由于遮挡目标的部分消失或全部消失，快速移动的目标，移动目标的突然加速等。文献15提出了一种结合SIFT特征和MEANSHIFT的目标跟踪技术，为了获得相似性区域的最大似然估计，这两个评估方法的概率分布被计算出来用以寻找最大期望。这种相互支持的机制，使得即使在其中一个方法变得不稳定的时候也能保持跟
10、踪的一致性。三、移动对象跟踪技术的发展趋势通过文献阅读和对国内外研究现状的分析和综合，我认为移动对象跟踪技术的发展趋势如下1随着移动对象跟踪技术在现实场景中的广泛应用，现在移动对象跟踪技术的基本设计方向是要兼具鲁棒性、准确性，快速性等特性，并且可以适用于复杂环境中，抗干扰性强。2移动对象跟踪技术研究中面临的主要问题是如何采用更好的特征表示方法，如何快速有效地处理目标被遮挡的情况，如何处理有多目标的情况，如何在目标姿态发生变化后还能准确地进行跟踪，保持算法的鲁棒性。3对于以上问题我觉得人机交互是一个可行的方案，在目标发生变化或者被遮挡的时候适当地接收一些人为的判断。4四、参考文献1侯志强，韩崇昭
11、视觉跟踪技术综述N自动化学报,2006,32（4）1152孙中森，孙俊喜，宋建中，乔双一种抗遮挡的运动目标跟踪算法J光学精密工程,2007,15（2）153邵文坤，黄爱民，韦庆目标跟踪方法综述J影像技术,2006,1（1）144高浩军，杜宇人目标跟踪技术及应用前景J现代电子技术,2004,24（191）135熊玉梅，郭坚，陈一民视觉目标的识别及跟踪技术的研究J计算机应用与软件,2011,28（1）146胡洪涛,敬忠良，李安平，胡士强非高斯条件下基于粒子滤波的目标跟踪N上海交通大学学报,2004,38（12）147张宏志，张金换，岳卉，黄世霖基于CAMSHIFT的目标跟踪算法J计算机工程与设计,
12、2006,27（11）138向卫军，韩根甲计算机应用J基于模板匹配的目标跟踪算法在红外热成像跟踪技术上的应用,2003,29（5）149程建，杨杰一种基于均值移位的红外目标跟踪新方法N红外与毫米波学报,2005,24（3）1510杨杨，张田文一种基于特征光流的运动目标跟踪方法N宇航学报,2000，21,21811胡建华，徐健健一种基于遗传算法和卡尔曼滤波的运动目标跟踪方法J计算机应用，2007,2781312曲巨宝，林宏基，梁洪涛，刘胜运动图像快速跟踪技术研究N重庆师范大学学报，2011,28（1）1513余静，游志胜自动目标识别与跟踪技术研究综述J计算机应用研究，2005，1121514LIXIAOHE，ZHANGTAIYI，SHENXIAODONG，SUNJIANCHENGOBJECTTRACKINGUSINGANADAPTIVEKALMANFILTERCOMBINEDWITHMEANSHIFTJOPTICALENGINEERING，2010，4921315ZHOUHUIYU，YUANYUAN，SHICHUNMEIOBJECTTRACKINGUSINGSIFTFEATURESANDMEANSHIFTJCOMPUTERVISIONANDIMAGEUNDERSTANDING,2009,113345352
