【正文】 現(xiàn)該該算法的程序采用了 MPEG 4的視頻壓縮和基于 標準的內(nèi)容檢索。面對新興多媒體標準如 MPEG 4 的出臺，發(fā)展一個能讓視頻跟蹤高效運行的的系統(tǒng)平臺已經(jīng)越來越重要。 對于第一種方法（基于區(qū)域跟蹤） ，視頻對象由用戶 /物體識別算法來初步確定。“蛇形浮動” [ 10 ]是一種采用帶參量的光滑曲線（運動輪廓）來跟蹤視頻目標邊界的方法。 一種基于區(qū)域跟蹤的變形（隸屬于基于運動的跟蹤），在 [ 17 ]中有所介紹 。對于視頻序列中的遮擋檢測已經(jīng)提出來了一些解決方法 [ 1 ],[5],[ 14 ] 。因此，實際中的實時系統(tǒng)必須避免這些操作的重復。第四節(jié)包含實驗結果證明了這一方法的有效性。整體算法在 (圖 .1)中進行了概述 。此聯(lián)合算子給計算幀間（ kamp。 下面給出初始化對象的算法。為了找出這些區(qū)域，我們計算在分割圖中所有區(qū)域的運動矢量。開放空間的處理已應用在形態(tài)學后期處理。以上提到的方法對與靜態(tài)的攝像機取景有很好的效果。跟蹤算法的效果取決于初始化后的良好的范圍。本文提出的計算塊尺寸的方法依據(jù)塊的位置。每一幀都會估計種子運動塊。用一個 3232 的窗進行遍歷搜索以計算運動矢量。 這些不確定的塊會被細分為更小的塊（ 8 8）并且新的種子快會被重估計 。在所提出的方法中，跟蹤是每三幀執(zhí)行一次。 基于運動估計算法中的初始化部分（圖 .3）所得出的初始化種子塊，我們建立一個運動模型并算出幀間的運動均值。,k)。如果該算法一次在三幀圖像上應用，能糾正跟蹤誤差（ N0=3） 。讓 0NkiMV? 來描述計算出的運動向量，得到區(qū)域（塊） ),( 00 NkyxIR Nki ??? 。這會給我們當前幀 0NkobjP? 的目標支持 。該補償幀是初始幀與閾值（ ? ）的差值，給出當前幀的離群像素。理想的情況下，新的區(qū)域應該對應遮擋恢復而覆蓋區(qū)域對應遮擋。二元性原理可以被應用于構建遮擋 檢測算法。 很明顯需要進一步的分類來找出實際中的未覆蓋區(qū)域中的遮擋恢復部分。在案件 遮擋恢復 (遮擋 ) ， 具有目標運動特性的的未遮擋（遮擋）區(qū)域 中與目標相似（但彼此不同）。目標輪廓已經(jīng)用運動矢量預測，所用公式為0NkobjP?。 2 ）區(qū)域分類：如前所述， 未遮擋區(qū)域不符合實際中的 遮擋恢復 s 。 ?屬于目標的未覆蓋區(qū)域應該具有和目標相似的特性 。 圖 .4 提取目標（工人） 圖 .5 提取目標（車內(nèi)男子） 運動矢量聚類：刪除 0NkobjP? 所涵蓋的區(qū)域，形成一個新的掩膜 0_Nk objnewP? 。這些塊矢量會被聚類。 B）相似性測試：以下的相似性測試是針對所有未覆蓋區(qū)域：令 iobjMV代表未 覆蓋區(qū)域 thj 中的前向運動矢量， iobjMV代表目標 thi 的運動集群的中心。遮擋檢測算法可以同理得出因此在這里省略。 計算一幀所需的時間 已經(jīng)與其他兩個 基于區(qū)域的 的跟蹤辦法 進行了比較 。 4 顯示了提取包含在眾多干擾項中的視頻目標。對于跳幀的目標輪廓可以內(nèi)插。放緩跟蹤處理能夠長時間準確地跟蹤目標。而應用我們的方法遮擋恢復部分被檢測出來并與相符的目標融合。塊匹配算法依賴對平移模式，而且通常是不適合非剛性物體。給出了一張不同的方法的計算時間表。 圖 .9 顯示了遮擋 /遮擋恢復的相關算法對于向前運動和向后運動的輸出。為了成功的跟蹤手，采用遵循遮擋 /遮擋恢復分類的自適應 K均 北京理工大學本科生畢業(yè)設計（論文） 國外文獻翻譯 13 值聚類是必要的。所有算法在 MATLAB 上實現(xiàn) 。我們正在進一步研究這個問題。在圖 .12 和圖 .13 中，顯示的是對手的視頻序列的跟蹤結果。在這種情況下，因為我們有一個強大的膚色模型，所以初始化差不多完美的。這種辦法可以運用并行處理器，因此適合于實時處理。因為目標掩膜被修改以照顧遮擋和遮擋恢復 ，目標可 以準確地被跟蹤一個較長的時間，而不需要重新初始化 /重新分割。依靠仿射模型和處理的改進可以糾正預測偏差。這一方面仍需 北京理工大學本科生畢業(yè)設計（論文） 國外文獻翻譯 14 進一步研究。 Vanderhye, PrairieComm, Teledyne Systems, Touchtunes Music, Xcelera, and 24/7 Media. His current research interests are in multimedia munication works, multimedia pression, storage, and retrieval, signal, image, and video processing, image analysis and puter vision, and pattern recognition and medical imaging. Dr. Schonfeld served as an Associate Editor for the IEEE TRANSACTIONS ON IMAGE PROCESSING and the IEEE TRANSACTIONS ON SIGNAL PROCESSING. He was a member of the anizing mittees of the IEEE International Conference on Image Processing and the IEEE Workshop on Nonlinear Signal and Image Processing. He was the plenary speaker at the INPT/ASME International 北京理工大學本科生畢業(yè)設計（論文） 國外文獻翻譯 17 Conference on Communications, Signals, and Systems. 。 Richardson, IBM, Jones Day, Latham amp。這種做法，也正被考慮用以將來的研究。但是這種算法對實際中很小的目標的跟蹤效果不理想，正在進一步研究和改進。遮擋和遮擋恢復被看做是對立的問題。 V. 討論 在這篇文章中，我們提出了一個簡單的跟蹤算法，避免了除開初始幀中的目標部分的圖像分割。我們其實只想跟蹤畫畫的手。自動初始化能在背景穩(wěn)定的情況下正常工作。我們也有一個 C 編寫的程序，它根據(jù)所跟蹤目標的尺寸大小每秒處理 410 幀。因此與基于區(qū)域的方法比較，被跟蹤目標的邊界不是很準確。 對于這個例子目標跟蹤優(yōu)于基于區(qū)域的方法。 1 ）用格分類運算提取目標 [ 6 ] ,