【正文】 置來近似實(shí)際概率分布，以樣本的均值作為系統(tǒng)的估計(jì)值。目前，目標(biāo)跟蹤技術(shù)已經(jīng)被廣泛應(yīng)用于眾多生活和科研領(lǐng)域中。 運(yùn)動(dòng)目標(biāo)及運(yùn)動(dòng)目標(biāo)跟蹤 的概述 運(yùn)動(dòng)目標(biāo)是日常生活中常見的，如活動(dòng)的動(dòng)物、行駛的運(yùn)載工具等。目前，在國內(nèi)的相關(guān)研究機(jī)構(gòu)中，中科院自動(dòng)化研究所下屬的模式識(shí)別國家重點(diǎn)實(shí)驗(yàn)室成立的視覺監(jiān)控研究小組處于該領(lǐng)域的領(lǐng)先地位。 美國的麻省理工學(xué)院 (Massachusetts Institute of Technology)在智能視覺監(jiān)控方面也進(jìn)行了深入的研究，其開發(fā)的監(jiān)控系統(tǒng) [4]己成功實(shí)現(xiàn)了對(duì)行人和車輛的檢測與跟蹤 。因此只能視頻監(jiān)控系統(tǒng)具有看、思考和表達(dá)的能力。運(yùn)動(dòng)目標(biāo)的 識(shí)別與跟蹤在智能交通、身份識(shí)別等領(lǐng)域也得到了十分廣泛的應(yīng)用，創(chuàng)造了很好的社會(huì)價(jià)值。在軍事方面，軍用衛(wèi)星、戰(zhàn)區(qū)導(dǎo)彈防御、偵察機(jī)、導(dǎo)彈制導(dǎo)、火控系統(tǒng)及小型自尋的導(dǎo)引頭等軍事武器均廣泛應(yīng)用了圖像目標(biāo)的識(shí)別與跟蹤技術(shù)，大大提高武器系統(tǒng)的運(yùn)動(dòng)攻擊性能及作戰(zhàn)指標(biāo)。Background model 目錄 1 引言 ................................................................... 1 研究背景和意義 ....................................................... 1 國內(nèi)外研究現(xiàn)狀 ....................................................... 2 運(yùn)動(dòng)目標(biāo)及運(yùn)動(dòng)目標(biāo)跟蹤的概述 ......................................... 3 運(yùn)動(dòng)目標(biāo)跟蹤研究的難點(diǎn) ............................................... 4 2 常用運(yùn)動(dòng)目標(biāo)跟蹤方法 ................................................... 6 常用運(yùn)動(dòng)目標(biāo)跟蹤算法 ................................................. 6 金字塔圖像的 Lucas Kanade 特征點(diǎn)跟蹤算法 ............................ 6 迭代的光流法計(jì)算過程 ................................................. 9 金字塔圖像的 Lucas Kanade 特征點(diǎn)跟蹤算法總結(jié) ......................... 11 特征點(diǎn)選取 .......................................................... 12 實(shí)驗(yàn)結(jié)果與分析 ...................................................... 13 3 模板相關(guān)匹配算法 ...................................................... 15 模板相關(guān)匹配算法基本原理 ............................................ 15 模板匹配的搜索方法 ................................................. 15 目標(biāo)模板的選擇及更新 ................................................ 17 目標(biāo)模板的選擇 .................................................... 17 模板的更新 ........................................................ 17 實(shí)驗(yàn)結(jié)果與分析 ...................................................... 18 4 改進(jìn)的目標(biāo)跟蹤算法 .................................................... 19 改進(jìn)的目標(biāo)跟蹤算法描述 .............................................. 19 實(shí)驗(yàn)結(jié)果與分析 ...................................................... 21 5 結(jié)論 .................................................................. 23 參考文獻(xiàn) ................................................................. 24 致謝 ..................................................................... 25 視頻序列中運(yùn)動(dòng)目標(biāo)跟蹤方法的研究 1 1．引言 研究背景和意義 隨著計(jì)算機(jī)技術(shù)、通信技術(shù)、圖像處理技術(shù)的不斷發(fā)展，目標(biāo)檢測與跟蹤技術(shù)在移動(dòng)機(jī)器人、戰(zhàn)車與坦克、飛機(jī)、導(dǎo)彈、艦船等軍事領(lǐng)域和航空航天、科學(xué)探測、天文觀測以及視頻監(jiān)控等民用領(lǐng)域具有越來越廣泛的應(yīng)用，也稱為自動(dòng)控制、信號(hào)與信息處理、計(jì)算機(jī)視覺和模式事變等領(lǐng)域的研究熱點(diǎn)。 Minimum absolute difference algorithm map search target template, large amount of calculation, realtime poor。實(shí)際視頻監(jiān)控系統(tǒng)中的場景往往是錯(cuò)綜復(fù)雜、變化無常的，實(shí)現(xiàn)具有魯棒性、準(zhǔn)確 性和實(shí)時(shí)性的運(yùn)動(dòng)目標(biāo)檢測和跟蹤是當(dāng)前智能視頻監(jiān)控技術(shù)努力的方向。 作者簽名： 日期： 年 月 日 導(dǎo)師簽名： 日期： 年 月 日 注 意 事 項(xiàng) （論文）的內(nèi)容包括： 1）封面（按教務(wù)處制定的標(biāo)準(zhǔn)封面格式制作） 2）原創(chuàng)性聲明 3）中文摘要（ 300 字左右）、關(guān)鍵詞 4）外文摘要、關(guān)鍵詞 5）目次頁（附件不統(tǒng)一編入） 6）論文主體部分：引言（或緒論）、正文、結(jié)論 7）參考文獻(xiàn) 8）致謝 9）附錄（對(duì)論文支持必要時(shí)） ：理工類設(shè)計(jì)（論文）正文字?jǐn)?shù)不少于 1 萬字（不包括圖紙、程序清單等），文科類論文正文字?jǐn)?shù)不少于 萬字。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說明 本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)校可以采用影印、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉績?nèi)容。 本 科 畢 業(yè) 論 文（設(shè) 計(jì)） 論文題目： 視頻序列中運(yùn)動(dòng)目標(biāo)跟蹤方法的研究 畢業(yè)設(shè)計(jì)（論文）原創(chuàng)性聲明和使用授權(quán)說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計(jì)（論文），是我個(gè)人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。 作者簽名： 日 期： 學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。 作者簽名： 日期： 年 月 日 學(xué)位論文版權(quán)使用授權(quán)書 本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向 國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。 ：任務(wù)書、開題報(bào)告、外文譯文、譯文原文（復(fù)印件）。本文研究了靜態(tài)場景下運(yùn)動(dòng)目標(biāo)跟蹤的相關(guān)算法，給出了運(yùn)動(dòng)目標(biāo)跟蹤的實(shí)現(xiàn)方案，由于 Lucas Kanade 光流跟蹤算法對(duì)目標(biāo)僅僅跟蹤其質(zhì)心， 存在跟蹤目標(biāo)容易丟失且魯棒性不高 的 缺點(diǎn) ；最小絕對(duì)差算法企 圖搜索目標(biāo)模板、計(jì)算量大、實(shí)時(shí)性差；針對(duì)這兩種算法在目標(biāo)跟蹤方面的不足，對(duì)其進(jìn)行了相應(yīng)的改進(jìn)和完善。 In view of these two algorithm in target tracking deficiency, analyses the corresponding improvement and perfection. By Lucas Kanade light flow forecast target centroid position tracking algorithm, and set a target of reducing the search area putation minimum absolute difference algorithm。 視頻監(jiān)控系統(tǒng)是公共安全技術(shù)防范系統(tǒng)的重要組成部分，它被廣泛應(yīng)用于國防、國家安全、治安等多個(gè)方面，主要涉及軍工、公安、交通、金融、電力、電信、供水、供氣等重要部門。美國空軍“幼畜”導(dǎo)彈是最著名的一種電視制導(dǎo)導(dǎo)彈，由于目標(biāo)的識(shí)別與跟蹤技術(shù)的應(yīng)用，該導(dǎo)彈可做到自動(dòng)發(fā)現(xiàn)并鎖定目標(biāo) ，并對(duì)目標(biāo)實(shí)施摧毀，大大提高了作戰(zhàn)效能；武裝直升機(jī)和現(xiàn)代坦克戰(zhàn)車隊(duì)也都借助到高性能光電穩(wěn)定瞄準(zhǔn)具等先進(jìn)光電設(shè)備，如高清晰度前視紅外傳感器、高分辨率和高倍率的 CCD 傳感器等光電設(shè)備，結(jié)合目標(biāo)的識(shí)別與跟蹤技術(shù)大大提高了其再戰(zhàn)場中的生存能力、提高有效打擊力、增加全天候作戰(zhàn)效能。 因此，目前世界各國政府和學(xué)者，密切關(guān)注新一代的監(jiān)控技術(shù) —— 智能視頻監(jiān)控技術(shù)。目前，智能視頻監(jiān)控系統(tǒng)取代了監(jiān)控任務(wù)中人的大部分工作，是新一代的具有高度智能的監(jiān)控技術(shù) [2]。 英國的雷丁大學(xué) (University of Reading)己開展了對(duì)車輛和行人的跟蹤及其交互作用識(shí)別的相關(guān)研究 [5,6]。該實(shí)驗(yàn)室在交通場景的視覺監(jiān)控、人的運(yùn)動(dòng)視覺監(jiān)控和行為模式識(shí)別等方面作了深入的研究，并取得了一定的成果 [10,11]。在現(xiàn)實(shí)生活中，盡管人類的 視覺既能看見運(yùn)動(dòng) 的物體 又能看見靜止的物體，但是在許多場合，比如氣象分析中的云圖、安全監(jiān)視中的人或動(dòng)物、交通流量的控制等，大量有意義的視覺信息都包含在這些運(yùn)動(dòng)之中，人們往往只對(duì)運(yùn)動(dòng)的物體或目標(biāo)感興趣。例如在視頻編碼、智能交通、視頻監(jiān)控等應(yīng)用中，目標(biāo)跟蹤技術(shù)都 起著非常重要的作用。這種方法可以用于任意非線性、非高斯隨機(jī)系統(tǒng)的狀態(tài)估計(jì)，克服了卡爾曼 濾波的缺點(diǎn)?？蓪⒁阎哪繕?biāo)運(yùn)動(dòng)規(guī)律作為跟蹤算法建模的前提條件，對(duì)目標(biāo)整體運(yùn)動(dòng)可用仿射模型來描述。邊緣是指周圍像素有灰度階躍變化的像素集合或強(qiáng)度值視頻序列中運(yùn)動(dòng)目標(biāo)跟蹤方法的研究 4 突然變化的像素點(diǎn)集合，邊緣對(duì)運(yùn)動(dòng)很敏感，對(duì)灰度的變化不敏感。 1981 年， Horn 等人在相鄰圖象間的時(shí)間間隔很小，并且圖象灰度變化也很小的前提下，推導(dǎo)出灰度圖象光流場計(jì)算的基 本 等式 ，這是經(jīng)典光流方法 [18,19]。該算法實(shí)質(zhì)是在圖像中找到一塊區(qū)域，使這塊區(qū)域與模板之間對(duì)應(yīng)像素灰度差的絕對(duì)值之和為最小。國內(nèi)最近幾年才展開該算法研究，它在跟蹤領(lǐng)域中的應(yīng)用是目前研究的熱點(diǎn)。 2)運(yùn)動(dòng)目標(biāo)陰影和運(yùn)動(dòng)目標(biāo)混淆，消除陰影。 為了有效實(shí)現(xiàn)視頻序列中目標(biāo)跟蹤任務(wù)， 本文 重點(diǎn)研究了光流法和模板匹配跟蹤方視頻序列中運(yùn)動(dòng)目標(biāo)跟蹤方法的研究 5 法， 金字塔 圖像 的 Lucas Kanade 光流法跟蹤目標(biāo)容易丟失，傳統(tǒng)的模板 匹配跟蹤方法由于對(duì)圖像利用率高，其跟蹤比較準(zhǔn)確，但計(jì)算量大、實(shí)時(shí)性差；針對(duì)這兩種算法在目標(biāo)跟蹤方面的不足，對(duì)其進(jìn)行了相應(yīng)的改進(jìn)和完善。在實(shí)際應(yīng)用中，目標(biāo)跟蹤不僅可以提供目標(biāo)的運(yùn)動(dòng)軌跡、運(yùn)動(dòng)參數(shù)和準(zhǔn)確的位置，也為進(jìn)行場景中運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)分析和場景分析提供了可靠的數(shù)據(jù)來源，同時(shí)運(yùn)動(dòng) 目標(biāo)的跟蹤信息也反過來為運(yùn)動(dòng)目標(biāo)的正確檢測以及運(yùn)動(dòng)目標(biāo)的識(shí)別提供了幫助，從而更有利于運(yùn)動(dòng)目標(biāo)的跟蹤。 光流法用于目標(biāo)跟蹤常用的算法有：檢測和跟蹤特征點(diǎn) [20]、跟蹤好的特征點(diǎn) [21]、 金字塔圖像的 Lucas Kanade 特征點(diǎn)跟蹤算法 [22]。這里，我們稱圖像 I 為第一幅圖像，稱 J 為第二幅圖像。 考慮第一幅圖像 ( ) ( , )I X I x y? 上的一點(diǎn)，跟蹤的目的就是在第二幅圖像( ) ( , )J X J x y? 上找到與之相對(duì)應(yīng)的一點(diǎn) Tx x y yv = u + d = (u + d ,u + d ), Txyd=[d ,d ] 是在點(diǎn) X 處圖像的速度，即點(diǎn) X 處圖像的光流。 跟蹤算法的描述 基于特征點(diǎn)的跟蹤的兩個(gè)關(guān)鍵問題是準(zhǔn)確度和魯棒性。實(shí)際上，僅僅考慮等式（ 21） ，理想的情況是 ,x x y ydd????。 (1)、 金字塔圖像表示 描述一個(gè) xynn? 的圖像 I，令 0II? 表示第 0 層圖像（原始圖像），那么金字塔圖像表示是以一種回歸形式而建立的：根據(jù) 0I 計(jì)算 1I ， 1I 計(jì)算 2I ， 2I 計(jì)算 3I ，以此類推；令 L=1,2,… 表示一系列金字塔