1、机电系本科毕业设计（论文）任务书* 同学（专业 / 班级： * ）现下达毕业设计（论文）课题任务书，望能保质保量地认真按时完成。课题名称 基 于 动 态 图 像 序 列 的 目 标 跟 踪 方 法 研 究 与 实 现主要任务与目标运动目标的分割与跟踪是应用视觉领域的一个重要课题。视频数据库、虚拟现实、智能房间、以及安全监控等技术的应用都需要对运动目标进行分割和跟踪，并对运动目标的行为做出解释，因此，对运动目标识别与跟踪也成了视觉研究中的一个重要问题。本课题要求完成人体或其它运动目标的跟踪。要求学生学习跟踪算法的基本原理及视频图像中图像处理的基本方法，从拍摄的视频图像中提取运动目标，利用跟踪算法
2、进行跟踪，并研究其跟踪性能。主要内容与基本要求本课题的主要研究内容包括：1、对运动目标跟踪的国内外研究现状进行总结归纳；2、研究视频图像序列中图像处理的基本方法；3、掌握跟踪算法和运动目标跟踪的理论知识；4、在理论分析的基础上，针对视频图像序列中的运动目标，编程实现基于跟踪算法的运动目标跟踪，并对跟踪结果进行分析。本课题要求学生在理论分析的基础上，采用 MATLAB 或 VC+或VB 编程实现运动目标跟踪。主要参考资料及文献阅读任务根据选题学生的情况确定开发语言，并参考相应书籍。查阅中文文献 10 篇以上，外文文献 2 篇以上，撰写 2000 字以上的文献综述。外文翻译任务阅读 2 篇以上（1
3、0000 字符左右）的外文材料，应完成合计 2000 汉字以上的英译汉翻译。计划进度：起止时间 内容2009.09.292009.11.20 完成开题报告、文献综述、英文翻译并上交2009.11.21 开题报告答辩，成绩评定2009.11.222009.12.11 学习并编程实现图像序列的读取及预处理2009.12.122010.01.22 学习跟踪算法原理并编程实现2010.01.23 毕业设计中期检查2010.01.242010.03.19 完善程序，开始撰写毕业论文，为毕业答辩做准备2010.03.20 论文初稿上交，指导教师评阅2010.03.212010.03.23 根据导师意见，再
4、次修改论文和程序 2010.03.24 论文定稿上交，评阅教师评阅2010.03.27 毕业设计第一次答辩2010.05.15 毕业设计二次答辩 2010.05.29 毕业设计三次答辩 实习地点 西城校区指导教师签 名签名： 年 月 日专业负责人意见签名：年 月 日文 献 综 述毕业设计题目： 基于动态图像序列的目标 跟踪方法研究与实现 1基于动态图像序列的目标跟踪方法研究与实现* 0888 班 Xb0*1 前言近年来，计算机视觉的研究重点已逐渐从静态图像的研究过渡到动态图像序列的研究。动态图像序列的运动目标跟踪是模式识别、图像处理、计算机视觉等领域的综合应用。对图像中的目标进行实时跟踪在军事
5、、工业、科学研究方面都具有重要的意义。例如虚拟现实环境、模拟训练、自动导航、机器人目标捕获等方面 12。人们对图像序列中运动目标的跟踪做了大量深入的研究，提出了许多行之有效的方法。但时至今日，一个稳健准确并且高性能的方法依然是一个具有明显挑战意义的研究课题。这种挑战绝大多数是来自图像序列中的图像变化和多个运动物体存在。图像变化的主要因素有：运动目标的位置变化或目标变形、照明条件的变化、背景干扰（如在风中摇摆的树木） 、摄像机的抖动、运动目标的阴影以及运动目标的自遮挡或互遮挡现象等 1。常用的解决方法是采用多特征以及兴趣点跟踪的方法。但目前所有的流行方法都不足以做到对光照、多运动目标的鲁棒性 2
6、，跨越这几个技术障碍的总体趋势是将多个（颜色、轮廓）综合各类方法（混合高斯模型、人工智能等）与统计学习方法相结合 3。2 目标跟踪研究现状在过去的二三十年中，人们对运动目标跟踪作了大量深入的研究，提出了很多行之有效的方法。如美国 Microsoft Research 的 Version Technology Group 等，国内的中国科学研究院计算所、清华大学、复旦大学、浙江大学等，也都取得了一定的成果。下面对当前运动目标跟踪的研究现状进行简单介绍。2.1 基于模型的跟踪基于模型的跟踪是通过一定的先验知识对所跟踪目标建立模型，然后通过匹配跟踪目标，并实时更新模型。传统的运动物体表达方法有如下三
7、种 4： 线图法.该方法将各个部分以直线来近似表示，例如，Karaulova 5建立了人体运动学的分层模型，用于单目视频序列中人体的跟踪。 2 二维轮廓. 该方法的使用直接与人体在图像中的投影有关， 立体模型. 它是利用广义锥台、椭圆柱、球等三维模型来描述人体的结构细节，因此要求更多的计算参数和匹配过程中更大的计算量。付永会等在文献中提出使用目标模板和当前帧图形颜色直方图进行实时目标跟踪 6；胡明昊提出基于目标颜色直方图分布的均值偏移跟踪算法 7；常用的图像跟踪方法多数是基于绝对灰度 8，但目标模板在目标大小、形状有所变化的前提下，很难达到性能稳定的目标提取效果。另外已有的图像分割方法大多数是
8、研究静止的、单幅图像，因此一般都没有用到运动跟踪所具有的序列图像的帧之间相关性和差异性等信息 9。针对动态图像的相关性特点，陈永雷等 10提出了一种带遗忘因子的自适应动态模板匹配算法，并结合物体运动学原理，提出了一种基于目标位置预测的动态目标识别与跟踪方法，并在此基础上设计了一种螺旋渐开式的目标搜索算法，这些方法能够准确地识别和快速地跟踪预定目标。这方法原理简单、速度快，易于硬件实现。2.2 基于区域的跟踪基于区域的跟踪算法基本思想是:把预先提取的运动区域作为匹配的目标模板，设定一个匹配度量，然后在下一帧图像中匹配搜索目标图像，把度量取极值时的位置判定为最佳匹配点。基于区域的跟踪算法由于提取了
9、较完整的目标模板，相对于其他跟踪算法能够得到更丰富的图像信息，因此广泛应用于跟踪较小的目标或对比度较差的目标。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，则可实现稳定的跟踪。基于区域的跟踪方法目前已有较多的应用，例如，Wren 等 11利用小区域特征进行室内单人的跟踪，文中利用高斯分布建立人体和场景的模型，通过跟踪各个小区域块来完成整个人的跟踪.基于区域跟踪的难点是处理运动目标的影子和遮挡；张雄等 12，利用之前获得的目标位置信息，对目标的运动进行可靠预测，这样就可在相对较小的区域内完成对目标的搜索，当目标再
10、次出现时仍可以稳定跟踪不至于丢失。在远距离，当目标面积较小、机动性不强时，通常采用滤波跟踪算法以提高目标跟踪精度；在近距离，当目标具有一定面积且帧间抖动较大时，一般采用窗口质心跟踪或匹配跟踪方法以保持跟踪的稳定性和精度。采用目标质心算法和逼近函数3相结合的预测跟踪技术，即使目标暂时被遮挡时，根据目标此前的位置信息，预测出目标下一步可能的位置，当目标再次出现时，仍可稳定跟踪而不至于丢失目标。2.3 基于活动轮廓的跟踪基于活动轮廓的跟踪方法是利用一条封闭的参数化曲线来表达运动目标轮廓，在由图像构造的特征场中通过极小化以曲线函数为参数的能量来进行动态迭代，使得该轮廓能够自动连续更新。例如，Peter
11、freund 13采用基于卡尔曼滤波的活动轮廓来跟踪非刚性的运动物体；代凯乾等 14，提出了用结合卡尔曼滤波和贝叶斯的方法来完成多个人体的跟踪，先建立简单的背景模型，然后用背景差分法得到前景区域，提取运动人体，并用EM (期望- 最大化)算法建立相应的人体模型。在人体间没有发生遮挡时，用卡尔曼滤波方法来跟踪各个人体；人体间出现遮挡时，用贝叶斯方法来判别和跟踪相应人体。2.4 基于特征的跟踪基于特征的跟踪包括特征提取和特征匹配两个过程. 李国栋等的文章 15就是一个很好的点特征跟踪的例子，文中将为解决图像处理特征目标物易受环境影响的问题，采用图像处理和颜色匹配的方法，提出一种基于特征的动态目标的
12、检测和跟踪算法.首先对图像进行灰度化处理并获取图像梯度，确定目标物的弱可疑区，利用非完全特征匹配确定强可疑区，再进行完全特征检测确定目标物的位置，并根据运动物体两次移动位置计算出跟踪摄像器件的旋转方向和角度，最终实现对动态目标物的检测与跟踪.实验证明，该算法能够较好地完成动态目标物的检测与跟踪。目标跟踪中在进行特征匹配时，常用的特征匹配算法有绝对平衡搜索法和归一化相关法。但是这些算法非常耗时而且有时也是没有必要的。因为目标最有可能出现在某个范围内。利用卡尔曼滤波器在已知目标位置的情况下，预测目标在下一时刻可能出现的位置，从而减小搜索的空间，保证搜索范围，优化搜索方向。 卡尔曼滤波器的跟踪方法是
13、一种经常被采用的方法，这种方法通常被用来对被跟踪目标运动状态进行预测，可以减少搜索区域的大小，提高跟踪的实时性。所以经常被用于和其他跟踪方法结合使用。但是 Kalman 滤波是基于高斯分布的状态预测方法，不能有效地处理多峰模式的分布情况。罗志升等 16，提出是一种新颖的跟踪方法：特征光流法。这是处理一些目标遮挡和目标失锁等异常情况的有效方法。对目标在连续帧间的运动的限制较小，可以处理大的帧间位移、对噪声的敏感性降低，且只处理图像中很少数的特征点，计算4量较小。硬件设施要求较高，能在环境较差情况下跟踪目标可以处理目标重叠及目标失锁等异常情况。2.5 基于 Hausdorff 距离的目标跟踪算法运
14、动目标跟踪是一个较为复杂的问题。传统的运动目标跟踪方法是采用光流法，但它只能跟踪运动目标的轨迹，并且有光流场的计算耗时和计算出的光流场不十分可靠的缺陷。而基于 Hausdorff 距离(HD)进行模板匹配的方法效果较好。这种方法即使当运动目标被遮挡、其形状发生慢的变化以及发生旋转时，也能精确跟踪到运动目标运动后的新变化，且计算量小。利用改进的鲁棒性较强的 Hausdorff 距离和多分辨率分解相结合的算法进行运动目标跟踪，较大幅度地提高了跟踪的准确程度和算法的效率 17。3 总结人的运动分析，尤其是人的行为理解与描述，已经成为计算机视觉中一个重要的研究领域，它在智能监控、虚拟现实、用户接口等方
15、面的应用前景引起了广大科研人员的浓厚兴趣. 近来的技术发展更是证明了视觉系统具有成功处理人的复杂运动的能力，而且许多研究者们正逐步将其成果推向更加智能的应用场合.下述几个方面已经成为未来的发展趋势:（1）音频与视觉相结合的多模态接口；（2）人的运动分析与生物特征识别相结合；（3）人的运动分析向行为理解与描述高层处理的转变。参考文献1 常发亮. 遮挡情况下的视觉目标跟踪方法研究J.控制与决策，2006，5(18): 2352402 程德杰. 基于鲁棒估计的目标检测噪声抑制技术J. 系统工程与电子技术，2006，25(16):1091123 杨威，张田文. 复杂景物环境下运动目标检测的新方法J.
16、计算机研究发展，2005，6(27):8134 王亮，胡卫明，谭铁牛. 人运动的视觉分析综述 J. 计算机学报，2002，25(3):2282475 Karaulova I，Hall P，Marshall A. A hierarchical model of dynamics for tracking people with a single video camera A. In: Proc British Machine Vision ConferenceC，Bristol ，UK，2000.352- 36156 付永会，张风超，张宪民. 一种改进的基于颜色直方图的实时目标跟踪算法. 数据采
17、集与处理J，2004，3(16):36397 胡明昊. 一种基于直方图和冗余匹配的实时目标跟踪算法J. 南京理工大学学报，2006，32(12):20248 王润生. 图像理解M. 长沙：国防科技大学出版社，2005.36399 吴立德. 计算机视觉M. 上海：复旦大学出版社，2003.21122510 陈永雷，胡云安，赵永涛. 基于动态模板与位置预测的运动目标识别与跟踪D，海军航空工程学院，2007，(02)11 Wren C，Aarbayejani A ，Darrell T，Pentland A. Pfinder:Real-time tracking of the human bodyJ.
18、 IEEE Trans on Pattern Analysis and Machine Intelligence，1997，19 (7) :78078512 张雄，苑惠娟，于佳 基于序列图像的运动目标检测与跟踪 D，哈尔滨，哈尔滨理工大学，200915 Peterfreund N. Robust tracking of position and velocity with Kalman snakesJ. IEEE Trans Pattern Analysis and Machine Intelligence，2000 ，22 (6) : 56456914. 代凯乾，刘肖琳 .基于图像序列的人体
19、跟踪（J ） ，计算机仿真，24（7） ，200715. 李国栋，刘春阳，柳长安. 一种基于特征的动态目标检测与跟踪算法J. 哈尔滨工业大学学报.2005，0716 罗志升，王黎，高晓蓉，王泽勇，赵全轲.序列图像中运动目标检测与跟踪方法分析J.现代电子技术，2009， （11）17 张培量. 基于 Hausdorff 距离的多分辨率目标跟踪方法J. 量子电子学报，2006，24（9）：8487开 题 报 告毕业设计题目： 基于动态图像序列的目标 跟踪研究与实现 1附件 2： 浙江理工大学科技与艺术学院机电系本科毕业设计（论文）开题报告班 级 *班 姓 名 *课题名称 基于动态图像序列的目标跟踪研究与实现开题报告（本页列出开题报告目录，报告全文附后,格式要求系（部）统一。 ）1、选题意义与可行性分析2、研究的基本内容与拟解决的主要问题3、总体研究思路及预期研究成果4、研究工作计划成绩：答 辩意 见（从选题、任务工作量、质量预期、可行性等几个方面）答辩组长签名：年 月 日专业负责人审核意见签名：年 月 日
