【正文】 就研究現(xiàn)狀來看，國外對基于視頻的目標(biāo)檢測與跟蹤的理論研究及應(yīng)用研究起步較早，尤其在美國、英國等國家已經(jīng)開展 了大量相關(guān)項目的研究，并取得了一定的成果。二十世紀(jì) 80年代初光流法 (Optical Flow)被提出之后，動態(tài)圖像序列分析進入了 — 個 研究的高潮，其中對光流法的研究熱潮從其產(chǎn)生一直持續(xù)到了二十世紀(jì)90年代中期 [4]。 目前，對于靜態(tài)全景圖像，除少數(shù)應(yīng)用中采用超廣角鏡頭或魚眼鏡頭直接拍攝外，主要采用圖像拼接及融合等軟件算法來實現(xiàn)。 隨著科技的發(fā)展和社會的進步，人們對信息的需求越來越多，要求也越來越高。近些年的工作主要集中在姿態(tài)分析，面部表情及其它的運動 ，以便計算機能夠識別和理解這些動作。中國在北京申奧成功后，為解決北京市的交通狀況，政府也在智能交通的研究上加大了投入力度。在壓縮編碼過程中，視頻中的場景被分割成若干個 VOP，不同的 VOP根據(jù)其特點采用不同的編碼策略，例如，場景中的背景在很多情況下基本上保持不變或只有很少部分的變化，則可以在連續(xù)的多幀圖像中使用相同的編碼或只有很少改動的編碼來表示背景，從而大大提高了壓縮效率。然而許多電視監(jiān)控系統(tǒng)的功能只是停留在 使用者 對視頻信號的人工檢測以及事后的錄像分析上面，浪費了很多的人力和物力。在這些應(yīng)用中，由于在圖像平面中旋轉(zhuǎn)，縮放和閉塞的背景通常很難追蹤移動的物體，跟蹤算法應(yīng)適應(yīng)對象的復(fù)雜變化和背景，以及較少的計算。 關(guān)鍵詞 ： 目標(biāo)跟蹤， Meanshift，粒子濾波 2 Two tracking algorithms’achievement based on panoramic video Abstract： Target tracking is a classic problem of puter vision study， it refers to a puter or other equipment uses an algorithm for target tracking and locating， and take the appropriate strategy based on the target’s location and movements. Recent years, target tracking is widely used in video surveillance， video encoding, and a variety of areas such as military engineering. The main object of this study is two targets tracking algorithms based on Meanshift and particle filtering. Meanshift algorithm is a modeling approach based on probability density statistic. In the tracking process, the target area is usually selected by the user in a video sequence， and establish the appropriate target histogram. Mean Shift algorithm move to the target centroid iteratively in subsequent frames to achieve the goal of tracking. particle filtering algorithm is a Bayesian filtering algorithm based on Monte Carlo simulation. sampling the target state, calculating the sample’s weights, finally using the weights to estimate the target’s state. This study uses the same video to test the tracking performance of the two algorithms, The result is the Meanshift algorithm with good realtime performance, but easy to lose the target in plex scenes, and the particle filter algorithm get the poor realtime performance when the initial selection box is large, but the tracking effect of plex background is good, and it’s not sensitive to the change of background. Key words: Object Tracking。Meanshift 算法是一種基于特征概率密度統(tǒng)計的建模方法。 畢業(yè)設(shè)計 院系名稱 計算機與信息學(xué)院 2021 年 05 月 28 日設(shè)計題目 基于全景視頻中兩種跟蹤算法的實現(xiàn) 目 錄 摘要： .............................................................. 1 Abstract： .......................................................... 2 1 緒 論 ........................................................... 3 課題研究背景及意義 ............................................ 3 國內(nèi)外研究現(xiàn)狀 ................................................ 5 概述 .......................................................... 7 計算機視覺研究 ............................................ 7 目標(biāo)跟蹤技術(shù)簡述 .......................................... 8 文章內(nèi)容及安排 ................................................ 9 2 Meanshift 算法的實現(xiàn)與分析 ...................................... 10 Meanshift 算法概述 ........................................... 10 Meanshift 算法具體實現(xiàn) ....................................... 10 跟蹤實驗 ..................................................... 13 本章小結(jié) ..................................................... 16 3 粒子濾波算法的實現(xiàn)與分析 ........................................ 17 引言 ......................................................... 17 貝葉斯?fàn)顟B(tài)估計 ............................................... 18 粒子濾波具體實現(xiàn) ............................................. 18 實驗 ......................................................... 21 兩種跟蹤算法的跟蹤比較 ....................................... 25 本章小結(jié) ..................................................... 26 4 總結(jié)及展望 ...................................................... 27 致謝 ............................................................... 28 [參考文獻 ]......................................................... 29 附錄 ............................................................... 30 1 基于全景視頻中兩種跟蹤算法的實現(xiàn) 摘要 ： 目標(biāo)跟蹤是計算機視覺研究中的經(jīng)典問題，是指計算機或其他設(shè)備根據(jù)某種算法對目標(biāo)進行跟蹤和定位，并根據(jù)目標(biāo)的位置和動向采取相應(yīng)的策略。在跟蹤過程中，目標(biāo)區(qū)域通常由用戶在視頻序列中選定，并建立相應(yīng)的目標(biāo)直方圖 ，經(jīng)過反向投影后 ， Meanshift 算法在后續(xù)幀中迭代地 移動到目標(biāo)的質(zhì)心上，從而達到跟蹤的目的 。 Meanshift。 在復(fù)雜的環(huán)境中對對象進行高效率和高強度的跟蹤是計算機視覺領(lǐng)域一個具有挑戰(zhàn)性的問題 [1]。在計算機自動監(jiān)控系統(tǒng)中，監(jiān)控系統(tǒng)首先需要對圖像進行去噪的預(yù)處理，接著使用合適的檢測算法確定目標(biāo)，然后通過 適當(dāng)?shù)母櫵惴ㄔ跀z像機視野內(nèi)跟蹤這個確定的目標(biāo)，同時 也進行警戒 報警以及保存證據(jù)等一系列操作。這種方案具有很高的壓縮比，同時還具有良好的視覺效果，便于進行基于內(nèi)容的交互和查詢。車輛的實時檢測與跟蹤技術(shù)是智能交通系統(tǒng)的重要技術(shù)之一，計算機在不需要人的干預(yù)，或者只需要很少人干預(yù)的情況下，通過對攝像機拍錄的視頻序列進行分析，實現(xiàn)車輛檢測與跟蹤，并在此基礎(chǔ)上分析和判斷車輛的行為，對車輛的行為給出語義描述，做到了既能完成日常管理，又能在發(fā)生異常情況時及時做出反應(yīng)，從而提供了一種更加先進和可行的監(jiān)控方案。這也是智能機器人研究的重點。據(jù)統(tǒng)計，普通人所感受的外界信息 80％以上來自視覺。對于動態(tài)視頻，則主要依靠特殊的硬件系統(tǒng)：一種方案是采用快球系統(tǒng)，另一種方案是采用配有全景鏡頭的專業(yè)攝像系統(tǒng)。但是， 即使在現(xiàn)階段，光流法所需的運算量對計算機而言也是很大的，很難滿足