【正文】 f k f k f k f k f k? ? ? ? ? ? ? ? 原函數(shù) f(t)在 N個(gè)順序時(shí)刻的測(cè)量值仍為 f( it ) (i=1,2,…, N)，且 f(t)可以用 02121 t *tYbbb??????? ?????????? （ 411） 測(cè)量值與逼近值之間的誤差為 20 1 2()i i i if t b b t b t?? ? ? ? ? （ 412） 對(duì) N點(diǎn)估計(jì)的均方誤差為 西北工業(yè)大學(xué) 本科畢業(yè)設(shè)計(jì)論文 31 221() 01[ ( ) ]Ni iE iif t a a t? ??? ??? （ 413） 取最佳逼近情況，即經(jīng)最小二乘運(yùn)算后可得： 211 21 311 1 1021 12 22 321 1 12 213 23 331 1 1( ) ( ) ( )1( ) ( ) ( )( ) ( ) ( )N N Ni i i i ii i iN N Ni i i i ii i iN N Ni i i i ii i if f ff f fAf f fc t c t t c t tbb c t c t t c t tbc t c t t c t t? ? ?? ? ?? ? ???????????? ? ????????? ??????? ? ?? ? ?? ? ? （ 414） 式中 0A? ???????????????????????????????????NiiNiiNiiNiiNiiNiiNiiNiittttttttNA14131213121121 （ 415） 其中ijc (j,k=1,2,3)是行列式的 A 余子式。采用加了軌跡預(yù)測(cè)的算法，可以大大減少搜索時(shí)間。王老師淵博的知識(shí)、嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和求實(shí)的精神給我留下了深刻的印象。 西北工業(yè)大學(xué) 本科畢業(yè)設(shè)計(jì)論文 37 參考文獻(xiàn) [1] 王琳 視頻運(yùn)動(dòng)目標(biāo)跟蹤中有關(guān)問(wèn)題的研究 西北大學(xué) 20xx 年 5 月 [2] 代凱乾 單目圖像序列的目標(biāo)跟蹤算法研究 國(guó)防科學(xué)技術(shù)大學(xué)研究生院 20xx 年 11 月 [3] 宗偉新 運(yùn)動(dòng)背景下運(yùn)動(dòng)目標(biāo)的跟蹤算法研究 西安工業(yè)大學(xué) 20xx 年 5月 [4] 趙瑤 運(yùn)動(dòng)目標(biāo)與跟蹤算法研究 山東大學(xué) 20xx 年 5。這必將為我們以后的工作和學(xué)習(xí)打下良好的基礎(chǔ)。較單一的歸一化互相關(guān)匹配算法的跟蹤時(shí)間縮短，是因?yàn)椴捎密壽E預(yù)測(cè)后搜索區(qū)域變小，匹配次數(shù)減少。 [6] 實(shí)驗(yàn)結(jié)果及分析： 第 1 幀 第 39 幀 西北工業(yè)大學(xué) 本科畢業(yè)設(shè)計(jì)論文 32 第 51 幀 第 91 幀 第 122 幀 第 149 幀 第 174 幀 第 194 幀 西北工業(yè)大學(xué) 本科畢業(yè)設(shè)計(jì)論文 33 第 221 幀 第 253 幀 第 279 幀 第 295 幀 第 317 幀 第 343 幀 第 373 幀 第 407 幀 西北工業(yè)大學(xué) 本科畢業(yè)設(shè)計(jì)論文 34 第 451 幀 第 478 幀 第 503 幀 第 531 幀 第 556 幀 第 590 幀 西北工業(yè)大學(xué) 本科畢業(yè)設(shè)計(jì)論文 35 第 608 幀 第 615 幀 圖 41 采用歸一化互相關(guān)匹配算法加軌 跡預(yù)測(cè)算法的跟蹤效果圖 實(shí)驗(yàn)結(jié)果分析：對(duì)比未加軌跡預(yù)測(cè)的歸一算法和 MAD 算法和加了軌跡預(yù)測(cè)的效果圖，未加軌跡預(yù)測(cè)在 307 幀時(shí)目標(biāo)就跟蹤丟失，而加了軌跡預(yù)測(cè)的在 605幀以后，才出現(xiàn)目標(biāo)不見(jiàn)。 設(shè)原函數(shù) f (t)在 N 個(gè)順序時(shí)刻的測(cè)量值為 f (t),(1,2,...N)，且 f (t)可以用： 01Ytaa?? （ 43） ? ?????????? aatY10*1 （ 44） 作為最佳線性逼近，可寫為 1 1 1 0 1 1( ) ( )f Y ft t a a t? ? ? ? ? ? （ 45） 對(duì) N 點(diǎn)估計(jì)的均方誤差為： 23() 011 [ ( ) ]iNiii f t a a t??? ? ??? （ 46） 最佳逼近即是上式取最小值，經(jīng)過(guò)最小二乘法可得： 21 1 1 1011 1 1( ) ( )( ) ( )N N N Ni i i i ii i i iN N Ni i i ii i iffDf N fDt t t t taa t t t t? ? ? ?? ? ??????????????? ??????? ? ? ?? ? ? （ 47） 其中： 221 1()N iiNDNiit t??? ?? ? （ 48） 式（ 3－ 3）和（ 3－ 4）就是 f (t)在最小均方誤差意義下的 N 點(diǎn)最佳線性逼近的通解。實(shí)驗(yàn)證明它既能很好的適應(yīng)目標(biāo)的快速變化，又對(duì)目標(biāo)的瞬時(shí)遮擋具有較好的抗干擾能力。 在上式中，通過(guò)調(diào)整權(quán)值的大小， 就可改變識(shí)別模板變化的靈活性和平穩(wěn)性，當(dāng) 12... m? ? ?? ? ? 時(shí)，模板的更新就更側(cè)重于靈活性，但如果圖像出現(xiàn)瞬時(shí)干擾時(shí)，可能影響系統(tǒng)穩(wěn)定性；相反，如果 12... m? ? ?? ? ?時(shí)，則模板的變化相對(duì)穩(wěn)定，當(dāng)目標(biāo)特征變化較快時(shí)，模板的更新可能跟不上目標(biāo)特性的變化。我們可以通過(guò)度量模板圖像和實(shí)時(shí)圖像的匹配度來(lái)確定如何對(duì)模板圖像進(jìn)行更新，獲得更新后的模板。 下面給出幾種模板更新的策略。在序列圖像匹配跟蹤過(guò)程中 , 若單純地利用當(dāng)前圖像的最佳匹配位置處的圖像來(lái)作為模板圖像進(jìn)行下一幀圖像的匹配 , 則匹配跟蹤結(jié)果很容易受某一幀發(fā)生突變的西北工業(yè)大學(xué) 本科畢業(yè)設(shè)計(jì)論文 27 圖像的影響而偏離正確的匹配位置 , 從而使誤配現(xiàn)象發(fā)生。 模板圖像是對(duì)應(yīng)像素距離測(cè)度的圖像匹配跟蹤過(guò)程中的基準(zhǔn) , 考慮到目標(biāo)區(qū)域圖像存在變化 , 模板圖像的更新和修正是必要的。由于照相機(jī)目標(biāo)間的相對(duì)運(yùn)動(dòng) , 目標(biāo)可能出現(xiàn)大小、形狀、姿態(tài)等變化 , 加上外界環(huán)境的各種干 擾 , 如噪聲、遮擋等。為了保證跟蹤的穩(wěn)定性和正確性 , 需要對(duì)模板圖像進(jìn)行自適應(yīng)更新。 [1] 歸一化互相關(guān)搜索法實(shí)驗(yàn)結(jié)果及分析 第 1 幀 第 4 幀 西北工業(yè)大學(xué) 本科畢業(yè)設(shè)計(jì)論文 23 第 9 幀 第 15 幀 第 23 幀 第 31 幀 第 44 幀 第 56 幀 第 68 幀 第 110 幀 西北工業(yè)大學(xué) 本科畢業(yè)設(shè)計(jì)論文 24 第 151 幀 第 179 幀 第 200 幀 第 239 幀 第 251 幀 第 273 幀 第 307 幀 第 321 幀 西北工業(yè)大學(xué) 本科畢業(yè)設(shè)計(jì)論文 25 第 330 幀 第 339 幀 圖 35 采用歸一化互相關(guān)匹配算法的跟蹤效果圖 實(shí)驗(yàn)結(jié)果分析，在第 307 幀時(shí)出現(xiàn)跟蹤目標(biāo)丟失，絕對(duì)平均搜索算法在 200幀目標(biāo)就丟失了。 歸一化互相關(guān)搜索法 歸一化互相關(guān)匹配算法 (Nomral1zedCorerlatino 一 NC)是一個(gè)經(jīng)典的匹配算法，它是通過(guò)計(jì)算模板圖像和待匹配圖像的互相關(guān)值來(lái)決定匹配的程度， 尋找互相關(guān)值最大的搜索窗口的位置作為目標(biāo)新的位置。 絕對(duì)平衡搜索法有三種算法 :最小均方誤差函數(shù) (MES)，最小平均絕對(duì)差值 函數(shù) (MAD)和最大匹配像素統(tǒng)計(jì) (MPC)，它們的定義分別如下 :[5] ? ?? ? ???? Mm Nn jnimFnmTNMjiM S E 1 1 2)],(),([*1),( （ 31） ? ?? ? ???? Mm Nn jnimFnmTNMjiM A D 1 1 ),(),(*1),( （ 32） ? ?? ?? Mm Nn jiNjiM P C 1 1 ),(),( （ 33） 1 ( , ) ( , )( , ) 0 T m n F m i n j tN i j othe rs? ? ? ? ??? ??? （ 34） 以上各式中 T(m， n)為模板圖像灰度值， F(m， n)為待匹配圖像灰度值，依據(jù) (3 一 7)式， t 為預(yù)設(shè)閉值，小于閉值 t 的像素被歸入匹配像素，否則被歸入非匹配像素。要能夠準(zhǔn)確地、實(shí)時(shí)地確定目標(biāo)的位置搜索算法很關(guān)鍵。 (2) 圖像的統(tǒng)計(jì)特征，如顏色直方圖、各種不變矩等特征 。這種方法用一個(gè)參數(shù)公式，或一個(gè)變形公式來(lái)描述目標(biāo)物體的形狀。 對(duì)于剛體目標(biāo)來(lái)說(shuō)，其運(yùn)動(dòng)狀態(tài)變換主要是平移、旋轉(zhuǎn)等，可以利用該方法實(shí)現(xiàn)目標(biāo)跟蹤。例如 Frnaoc 提出的區(qū)域跟蹤方法依賴于以前的檢測(cè)來(lái)區(qū)分運(yùn)動(dòng)目標(biāo)，然后跟蹤目標(biāo)?；趨^(qū)域的跟蹤方法我們可以選取整個(gè)區(qū)域的單一的特征來(lái)實(shí)現(xiàn)跟蹤，但是實(shí)際跟蹤過(guò)程中單一的特征不太好選擇，所以一般采用運(yùn)動(dòng)目標(biāo)的多個(gè)特征來(lái)進(jìn)行跟蹤。 [3] 如果運(yùn)動(dòng)目標(biāo)物體簡(jiǎn)單，可以將整個(gè)目標(biāo)作為特征來(lái)進(jìn)行跟蹤，這種方法也被稱為模板匹配。例如使用特征點(diǎn)