1、毕业设计开题报告计算机科学与技术视频中移动对象跟踪技术研究一、选题的背景与意义随着计算机技术、图像处理技术的不断发展，视频中移动对象跟踪技术目前已成为热点研究问题。视频跟踪技术，经过近50多年的深入研究和发展，在军事制导、视觉导航、安全监控、智能交通等方面有着广泛的应用和发展前景。如视频跟踪通过摄像机监控动态场景，已被广泛地应用在社会生活的各个方面，可应用于社区、大型公共场所及重要设施的安全监控；智能交通系统中，进行车辆的实时检测和跟踪，可以实时监控车流量、车速、车流密度、交通事故、违章逃逸车辆等交通状况，用于实时的智能交通调度。二、研究的基本内容与拟解决的主要问题1视觉跟踪算法现在普遍将视觉
2、跟踪算法划分为1基于区域的跟踪REGIONBASEDTRACKING。基于区域的跟踪算法基本思想是首先得到包含目标的模板TEMPLATE，该模板通过图像分割获得或是预先人为确定，模板通常为略大于目标的矩形，也可为不规则形状；然后在序列图像中，运用相关算法跟踪目标，对灰度图像可以采用基于纹理和特征的相关，对彩色图像还可利用基于颜色的相关。近年来，对基于区域的跟踪方法关注较多的是如何处理模板变化时的情况，这种变化是由运动目标姿态变化引起的，如果能正确预测目标的姿态变化，则可实现稳定跟踪。2基于特征的跟踪FEATUREBASEDTRACKING。基于特征的跟踪算法一般也采用相关算法。与基于区域的跟踪
3、算法的不同之处在于，后者使用目标整体作为相关时的对象，而前者使用目标的某个或某些局部特征作为相关时的对象。这种算法的优点在于即使目标的某一部分被遮挡，只要还有一部分特征可以被看到，就可以完成跟踪任务。另外，这种方法与卡尔曼滤波器联合使用，也具有很好的跟踪效果这种算法的难点是对某个运动目标，如何确定它的唯一特征集这也是一个模式识别问题。若采用特征过多，系统效率将降低，且容易产生错误。3基于变形模板的跟踪DEFORMABLETEMPLATEBASEDTRACKING变形模板是纹理或边缘可以按一定限制条件变形的面板或曲线。例如，目标模板可以是一条手划HANDDRAWN的封闭曲线，该曲线通过方向及方向
4、的变形逐渐与图像中的真实目标相适应，从而检索或跟踪复杂背景中的目标。4基于模型的跟踪MODELBASEDTRACKING。对人体进行跟踪时，通常有三种形式的模型，线图模型、2D模型和3D模型。但是在实际的视觉跟踪算法中，更多的是采用运动目标的3D模型进行跟踪，尤其对于刚体如汽车的跟踪。其基本思想是首先由先验知识获得目标的三维结构模型和运动模型，然后根据实际的图像序列，确定出目标的三维模型参数，进而确定出目标的瞬时运动参数。这种方法的优点是，可以精确地分析目标的三维运动轨迹，即使在运动目标姿态变化的情况下，也能够可靠地跟踪。但是其缺点在于，运动分析的精度取决于几何模型的精度，在现实生活中要获得所
5、有运动目标的精确几何模型是非常困难的。这就限制了基于模型的跟踪算法的使用。同时，基于3D模型的跟踪算法往往需要大量的运算时间，很难实现实时的运动目标跟踪。2视觉跟踪问题中的难点从控制的观点来看，视觉跟踪问题所面临的主要难点可以归结为对视觉跟踪算法在三个方面的要求，即对算法的鲁棒性、准确性和快速性要求。1鲁棒性ROBUSTNESS。所谓鲁棒性是指视觉跟踪算法能够在各种环境条件下实现对运动目标持续稳定的跟踪。影响视觉跟踪算法鲁棒性的最主要原因在于A被跟踪运动目标的姿态改变；B运动目标所处环境的光照变化；C部分遮挡引起的运动目标不规则变形和全部遮挡引起的运动目标的暂时消失。2准确性ACCURACY。
6、在视觉跟踪研究中，准确性包括两个方面，一是指对运动目标检测的准确性，另一个是指对运动目标分割的准确性对运动目标检测准确性的目的是尽可能降低运动目标检测的虚警率和漏警率，从而提高对真实运动目标的检测概率，这一点在视频监视系统中要求比较高。由于实际复杂环境中存在大量噪声，很难实现各种环境条件下对运动目标地准确检测，往往只能在虚警率和漏警率之间寻求一个折中TRADEOFF。虚警率和漏警率转化为统计的语言就是一个假设检验犯第一类错误和第二类错误的概率。3快速性SPEED。一个实用的视觉跟踪系统必须能够实现对运动目标的实时跟踪，这就要求视觉跟踪算法必须具有快速性。但是，视觉跟踪算法处理的对象是包含巨大数
7、据量的图像，这些算法往往需要大量的运算时间，很难达到实时处理的要求。通常，简单算法能够实现实时跟踪，但跟踪精度却很差；复杂算法具有很高的跟踪精度，实时性却很差。一种通用的减小视觉跟踪算法运算量的方法是利用金字塔分解或小波变换将图像分层处理；另一种思路是设计专用硬件实现实时的视觉跟踪。三、研究的方法与技术路线在本课题研究中前期我将采用基于区域的跟踪的MEANSHIFT算法解决没有运动目标的突然变速情况下的目标跟踪，它具有快速定位的特点。然而，MEANSHIFT跟踪算法要求相邻两帧间目标搜索模板区域必须重叠，因此对于运动目标的突然变速以及跟踪系统的实时性具有一定的限制。但在这方面也已经有人提出了结
8、合卡尔曼滤波的方法予以很好的解决，这可以成为我后期研究的一个方向。1基本的MEANSHIFT给定D维空间错误未找到引用源。中的N个样本点错误未找到引用源。,I1,N,在X点的MEANSHIFT向量的基本形式定义为错误未找到引用源。1其中,错误未找到引用源。是一个半径为H的高维球区域,K表示在这N个样本点错误未找到引用源。中,有K个点落入错误未找到引用源。区域中。我们可以看到错误未找到引用源。是样本点错误未找到引用源。相对于点错误未找到引用源。的偏移向量,1式定义的MEANSHIFT向量错误未找到引用源。就是对落入区域错误未找到引用源。中的K个样本点相对于点X的偏移向量求和然后再平均。从直观上看
9、,如果样本点错误未找到引用源。从一个概率密度函数错误未找到引用源。中采样得到,由于非零的概率密度梯度指向概率密度增加最大的方向,因此从平均上来说,错误未找到引用源。区域内的样本点更多的落在沿着概率密度梯度的方向。因此,对应的,MEANSHIFT向量错误未找到引用源。应该指向概率密度梯度的方向图1,MEANSHIFT示意图如上图所示,大圆圈所圈定的范围就是错误未找到引用源。,小圆圈代表落入错误未找到引用源。区域内的样本点错误未找到引用源。,黑点就是MEANSHIFT的基准点错误未找到引用源。,箭头表示样本点相对于基准点错误未找到引用源。的偏移向量,很明显的,我们可以看出,平均的偏移向量错误未找到
10、引用源。会指向样本分布最多的区域,也就是概率密度函数的梯度方向。2核函数以及MEANSHIFT扩展形式从1式我们可以看出,只要是落入错误未找到引用源。的采样点,无论其离错误未找到引用源。远近,对最终的错误未找到引用源。计算的贡献是一样的,然而我们知道,一般的说来,离错误未找到引用源。越近的采样点对估计错误未找到引用源。周围的统计特性越有效,因此我们引进核函数错误未找到引用源。（通常为单位均匀核函数或者单位高斯核函数）,在计算错误未找到引用源。时可以考虑距离的影响同时我们也可以认为在这所有的样本点错误未找到引用源。中,重要性并不一样,因此我们对每个样本都引入一个权重系数错误未找到引用源。如此以来
11、我们就可以把基本的MEANSHIFT形式扩展为3算法步骤记错误未找到引用源。,则错误未找到引用源。然后在错误未找到引用源。的时候循环迭代。因此上面的步骤也就是不断的沿着概率密度的梯度方向移动,同时步长不仅与梯度的大小有关,也与该点的概率密度有关,在密度大的地方,更接近我们要找的概率密度的峰值,MEANSHIFT算法使得移动的步长小一些,相反,在密度小的地方,移动的步长就大一些。在满足一定条件下,MEANSHIFT算法一定会收敛到该点附近的峰值。在基于MEANSHIFT的移动对象跟踪算法中，可以用一个物体的灰度或色彩分布来描述这个物体。若果定义一个相似函数来表示目标快和候选块的相似程度。这样候选
12、块的匹配过程就是寻找相似函数最大值的寻优过程。这样就可以运用以上的算法来求得最优匹配，从而实现目标移动的跟踪。四、研究的总体安排与进度1、开题准备（2010年12月25日左右）在学校规定的开题日期前，完成开题报告。熟悉相关跟踪算法。2、文献翻译在2011年2月15日完成。3、演示原型第一版2011年3月15日完成。包括必要的研究对象或程序片断。4、演示原型第二版2011年3月28日前完成，根据指导教师的意见改进后的版本。5、演示原型第三版2011年4月15日完成。即包括一个基本成型的演示，而不是几个片断。6、毕业论文的写作在2011年5月8日完成。论文初稿2011年4月30日完成，根据演示原型
13、的第三个版本，根据指导教师列出的论文提纲写出论文初稿。7、预答辩2011年5月13日完成，由指导教师组织，进行答辩前的一次演练。6正式答辩2011年5月15日完成应准备好一个答辩的POWERPOINT文件和程序演示,。五、主要参考文献1自动选择跟踪窗尺度的MEANSHIFT算法，钱惠敏茅耀斌王执铨，20072基于SIFT特征目标跟踪算法研究，蔺海峰马宇峰宋涛20103基于卡尔曼滤波的多运动目标跟踪算法研究，崔吉张燕超20104结合CAMSHIFT和KALMAN预测的运动目标跟踪钱永青，谢勤岚20106结合KALMAN滤波器的MEANSHIFT跟踪算法刘继艳，潘建寿，吴亚鹏，王宾，付勇，2009
14、7视频序列中运动目标跟踪算法研究田小围，20088一种基于综合特征评估的运动目标跟踪算法，张宇，韩振军，焦建彬，20109FARAHNAZHOHMANAANDFURZINKOKHTARIMAIMPROVEDCURVATUREESTITIFURACCARATELACALISATIANOFACTIVECONTOURSPROCINTERNATIONALCONFERENCEONIMAGEPROCESSING,PPII781784THESSALONIKI，GREECE，200110RAFAELCGONZALEZ，RICHARDEWOODS著阮秋琦，阮宇智等译数字图象处理第二版电子工业出版社2003，3PROCEEDINGSOFACMSIGGRAPH87ACMPRESS，ACMSIGGRAPH1987
