【正文】 本科生畢業(yè)設計（論文） 論 文 題 目： 目標檢測與跟蹤技術研究及實現(xiàn) 摘 要近年來，隨著信息技術地發(fā)展，圖像處理技術越來越得到廣泛地應用。運動目標檢測與跟蹤是數(shù)字圖像處理重要部分，也成為圖像處理技術理論和應用的研究熱點。運動目標檢測是指在視頻或圖像序列中把感興趣的并且運動著的目標與背景和其他不感興趣的運動目標進行區(qū)分。動態(tài)圖像的基本特征就是灰度發(fā)生了改變。運動目標位置的改變在圖像上的反映就是相鄰幀灰度的空間分布改變，當然也存在這樣的情況，場景中沒有目標運動，但由于光照等條件的改變，也引起了相鄰幀灰度值的改變。本課題只分析目標運動時的目標檢測跟蹤問題。本設計主要是對運動目標檢測與跟蹤原理進行分析，并通過編程實現(xiàn)對目標的檢測與跟蹤。本文把運動目標檢測跟蹤分為兩個部分即目標的實時檢測和目標的實時跟蹤來分析，目標檢測部分分為靜止背景下的運動目標檢測和動態(tài)背景下的目標檢測，常用的檢測方法有：幀間差分法、背景相減法和光流法等。目標跟蹤部分對兩種方法進行了分析，一種是基于Mean Shift的目標跟蹤方法，另一種是基于形心法的目標跟蹤方法。實驗證明，通過以上方法能夠很好地實現(xiàn)對運動目標的檢測與跟蹤。關鍵詞 數(shù)字圖像處理 運動目標檢測 運動目標跟蹤 AbstractIn recent years, with the development of information technology, image processing technology has been more widely used. Moving target detection and tracking of digital image processing part, has also bee the research focus of the theory and application of image processing technology. The basic characteristic of the dynamic image is grayscale changed. Reflection of the change of the moving target position on the image is the gray space between adjacent frames distribution of changes, of course, the existence of such circumstances, there is no target motion in the scene, but due to the change of light and other conditions, also caused adjacent frames gray value changes. This topic only ment on the problem of target detection and tracking of moving targets when the scene.This paper analysis the principle of moving target detection and tracking, programs to achieve the target detection and tracking. Moving target detection and tracking is divided into two parts, namely the goal of realtime detection and realtime tracking of the target analysis, target detection part is divided into moving target detection in static background and dynamic background of target detection, static object detection method: interframe difference method, background subtraction, block matching and optical flow method. Target tracking parts of the two methods were analyzed, a Mean shiftbased target tracking method, and the other is the focus of lawbased target tracking method. Experiments show that the above method can achieve detection and tracking of moving targets.Keywords: Digital image processing Moving target detectionMoving targets tracking目 錄摘要 IAbstract II1 緒論 1 課題研究背景與意義 1 國內外發(fā)展與研究現(xiàn)狀 2 目標檢測跟蹤存在的問題 3 主要研究內容與論文結構 42 運動目標檢測跟蹤基礎 5 運動圖像的分析 5 運動估計 5 運動目標檢測 5 運動目標分割 5 運動目標跟蹤 5 運動的分類 5 運動的表達 5 矢量場表達 6 直方圖表達 6 運動軌跡的表達 73 運動目標檢測 8 靜止背景下的運動目標檢測 8 建立背景模型 9 檢測變化區(qū)域 9 檢測運動目標 10 靜態(tài)背景目標檢測你算法的實現(xiàn) 11 動態(tài)背景下得運動目標檢測 18 圖像配準 18 差分相乘原理 18 基于差分相乘原理的運動目標檢測算法實現(xiàn) 194 運動目標跟蹤 24 基于Mean Shift的運動目標跟蹤算法 24 基于Mean Shift的目標跟蹤的基本原理 24 運動目標跟蹤中的Mean Shift算法 25 Mean shift跟蹤算法的實現(xiàn) 28 基于形心法的目標跟蹤算法 37 基本理論 37 算法實現(xiàn) 385 結論 41致謝 42參考文獻 431 緒 論 課題研究背景與意義近年來，隨著信息技術地發(fā)展，圖像處理技術越來越得到廣泛地應用。運動目標檢測與跟蹤是數(shù)字圖像處理重要部分，也成為圖像處理技術理論和應用的研究熱點，其中動態(tài)圖像序列的研究逐漸成為熱點。動態(tài)圖像序列由一組連續(xù)的圖像組成，它們具有一定的次序，并存在時間間隔關系。相比與靜態(tài)圖像，動態(tài)圖像的基本特征就是灰度發(fā)生了改變。運動目標位置的改變在圖像上的反映就是相鄰幀灰度的空間分布改變。場景變化和景物運動在動態(tài)圖像序列中顯示得非常清晰。序列圖像其實就是時間上保持連續(xù)的二維圖像。相比與靜止圖像，圖像序列增加了時間這一變量，使得動態(tài)圖像序列幀間存在一定的時間和空間上的對應關系，這也導致我們可以利用動態(tài)圖像序列更好地研究運動目標的檢測與跟蹤過程。以動態(tài)圖像序列為基礎的目標檢測和跟蹤研究是成為目標跟蹤領域的重要方向。運動目標檢測是指對動態(tài)圖像序列運用進行數(shù)字圖像處理，除去背景，篩選出運動目標和運動信息，并對其進行分析，從而得到運動參數(shù)。運動目標的檢測和跟蹤在科技、生活等諸多領域有非常重要的研究價值，在視頻監(jiān)控、人工智能、醫(yī)學研究、軍事國防等諸多領域有廣泛的應用。l 視頻監(jiān)控視頻監(jiān)控系統(tǒng)主要應用于對安全要求比較高的場所，諸如銀行、小區(qū)、超市、停車場、交通路口等。在智能交通監(jiān)控系統(tǒng)中，期望系統(tǒng)能夠在不需要人的干預、或者很少干預的情況下，通過對攝像機拍錄的視頻序列進行分析來實現(xiàn)相應的需求。目前監(jiān)控系統(tǒng)沒有達到非常理想效果。l 人工智能人工智能的研究越來越得到人們重視。期望機器通過裝配的攝像設備檢測環(huán)境，能夠實現(xiàn)跟蹤和識別環(huán)境中的物體，并做出相應動作。如車輛自動駕駛，期望車輛能夠識別道路特征和路面情況，并作出相應駕駛調整；如機器手的應用，要求安裝機器手配備的攝像機拍攝目標圖像，利用跟蹤技術計算目標運動軌跡，做出最佳的動作等。l 醫(yī)療研究在醫(yī)學中，圖像診斷非常重要，其主要有兩個方面的應用：一個是對圖像進行一系列如增強、去噪等處理來幫助醫(yī)生更好地診斷疾?。坏诙€是利用對圖像進行自動分析處理，檢測識別出可疑區(qū)域，得出診斷結論。l 軍事國防目標檢測跟蹤技術在軍事國防領域的應用相當廣泛。雷達、經(jīng)緯儀、無人機、導彈導航系統(tǒng)、導彈攔截系統(tǒng)、預警系統(tǒng)等等，這些技術的應用都歸功與目標檢測跟蹤技術的進步和發(fā)展。 國內外發(fā)展與研究現(xiàn)狀1974年，美國白沙導彈靶場聯(lián)合新墨西哥州立大學以及亞利桑那大學科學中心開始研制實時電視跟蹤系統(tǒng)。以求提高光電跟蹤測量儀器的性能，并實現(xiàn)多目標跟蹤。20世紀80年代初期，多目標跟蹤技術已經(jīng)研究成功，如1985年美國海軍的掩護船防御系統(tǒng)已經(jīng)實現(xiàn)對200多個目標的跟蹤處理。1997年，美國國防高級研究項目署設立關于視覺監(jiān)控的項目，主要研究用于戰(zhàn)場及普通民用場景進行監(jiān)控的自動視頻理解技術。美國康奈爾大學的實驗室研制完成一套航拍視頻檢測跟蹤系統(tǒng)，針對目標運動狀態(tài)不穩(wěn)定以及目標被遮擋問題，能夠對多目標實施準確實時跟蹤。2005年，一套名為COCOA的系統(tǒng)在美國中央佛羅里達大學研制完成，專門用于對無人機低空飛行航拍獲得的圖像序列進行目標檢測跟蹤。隨著激光技術、紅外技術和電視技術進一步成熟，以及成像技術、數(shù)字圖象處理技術、跟蹤算法和濾波技術的研究，各種研究成果相繼問世。國內的目標檢測跟蹤起步比較晚，相對國外還有一定的差距。但我國的圖像處理技術、運動目標識別跟蹤技術正在穩(wěn)步發(fā)展。如中科院自動化研究所模式識別國家重點實驗室(NLPR)視覺監(jiān)控組等許多科研機構都對該領域作了大量的研究。中科院自動化研究所模式識別國家重點實驗室分別于2002年和2003年召開了“第一屆全國智能視頻監(jiān)控會議”和“第二屆全國智能視頻監(jiān)控會議”。全國的許多大學和研究所也都投入到目標檢測跟蹤和視頻監(jiān)控的研究當中。隨著研究的加深和技術的成熟，我國在視頻監(jiān)控、交通管理、醫(yī)療診斷、導彈制導、雷達預警、工業(yè)生產(chǎn)等領域有了很多的研究成果。目前運動目標檢測與跟蹤技術的研究主要設計以下幾個關鍵的技術。第一，圖像的預處理技術，主要目的是消除或消減背景自身運動、光照變化、噪聲等條件對目標檢測與跟蹤的影響。目前國內外使用比較多的方法有：基于圖像塊方法、基于像素點灰度的方法和基于特征的運動目標估計方法以及基于頻域相位信息的方法等。第二，圖像分割和目標的檢測技術，在復雜的場景中利用圖像分割技術從圖像中檢測出可能的運動目標。目前國內外主要運用的方法有：幀間差分法、背景差分法、光流場法以及塊匹配方法等。他們各有優(yōu)缺點。第三，目標特征提取和目標跟蹤技術，從檢測出的目標中提取出可識別的特征，用于后續(xù)圖像序列中目標的跟蹤。目前用于目標跟蹤的方法有很多，如基于濾波理論的目標跟蹤算法、Mean Shift目標跟蹤算法、偏微分方程算法等等。 目標檢測跟蹤存在的問題目前，目標檢測跟蹤技術存在的問題主要是由于實際背景環(huán)境的復雜性、目標運動的復雜性和視頻圖像復雜性造成的。運用數(shù)字圖像處理的方法進行目標檢測跟蹤的困難主要在一下幾個方面:l 環(huán)境復雜實際的運動目標檢測和跟蹤系統(tǒng)所處的環(huán)境不同，背景復雜，檢測跟蹤的穩(wěn)定性和準確性就會受到諸多因素的影響。這些因素主要包括:背景變動、光照變化、陰影和物體遮擋以及目標運動不穩(wěn)定等。l 難以選取運動目標特征動態(tài)圖像序列包含大量信息，這些信息都可用與目標檢測跟蹤，但由于這些信息非常龐雜，所以提取那些信息作為運動目標檢測跟蹤的特征也需要認真研究，需要根據(jù)運動的具體情況來選擇，很難說有一種普遍的實用的運動特征用于目標檢測跟蹤。l 難以掌握實時性和準確性的平衡運動目標檢測跟蹤要求很高的實時性和準確性。就實時性來講，由于圖像處理的數(shù)據(jù)十分龐大，運算量大，既使CPU處理速度不斷提高，目前來說，也沒有合適的算法達到實時跟蹤的要求。而就目標檢測和跟蹤的準確性來講，高準確性是建立在大量復雜運算處理的基礎上的。這就導致目標跟蹤實時性和準確性不可能同時達到最大，運動目標跟蹤必然平衡好兩者。 主要研究內容與論文結構本設計主要是對運動目標檢測與跟蹤原理進行分析，并通過在VC++編程實現(xiàn)對目標的檢測與跟蹤。本設計把運動目標檢測跟蹤分為兩個部分即目標的實時檢測和目標的實時跟蹤來分析，目標檢測部分分為靜止背景下的運動目標檢測和動態(tài)背景下的目標檢測，靜態(tài)目標檢測方法有：幀間差分法、背景相減法、塊匹配法和光流法等，本文主要簡述了背景差分法和幀間差分法，并把兩種方法結合起來改進實現(xiàn)了對目標的檢測。目標跟蹤部分對兩種方法進行了分析，一種是基于Mean Shift的目標跟蹤方法，另一種是基于形心法的目標跟蹤方法。具體章節(jié)分配如下：第一章， 緒論部分，敘述課題研究的背景及現(xiàn)狀，以及存在的問題。第二章， 主要介紹課題需要用到的基本知識，包括運動圖像分析、運動的分類和表達。第三章， 論文課題的目標檢測環(huán)節(jié)，主要闡述了運動目標檢測跟蹤中的檢測部分，簡述了兩種方法——背景差分法和幀間差分法，并把兩種方法結合起來改進實現(xiàn)了對目標的檢測。第四章， 論述課題的目標跟蹤環(huán)節(jié)主要闡述了運動目標檢測跟蹤中的跟蹤部分，簡述了兩種方法——Mean Shift算法和形心跟蹤算法，以及他們的應用和實現(xiàn)。第五章， 對課題進行總結。2 運動目標檢測跟蹤基礎運動目標檢測跟蹤與工程應用結合緊密，涉及很多運動圖像處理的知識，首先介紹一下運動圖像涉及的一些基本內容和原理。 運動圖像的分析檢測場景中是否存在運動目標。在場景中，考慮導致圖像改變的所有因素，由