【正文】 f k f k f k f k f k? ? ? ? ? ? ? ? 原函數(shù) f(t)在 N個順序時刻的測量值仍為 f( it ) (i=1,2,…, N)，且 f(t)可以用 02121 t *tYbbb??????? ?????????? （ 411） 測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 N點估計的均方誤差為 西北工業(yè)大學(xué) 本科畢業(yè)設(shè)計論文 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)測的算法，可以大大減少搜索時間。王老師淵博的知識、嚴謹?shù)膶W(xué)風(fēng)和求實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)計論文 37 參考文獻 [1] 王琳 視頻運動目標跟蹤中有關(guān)問題的研究 西北大學(xué) 20xx 年 5 月 [2] 代凱乾 單目圖像序列的目標跟蹤算法研究 國防科學(xué)技術(shù)大學(xué)研究生院 20xx 年 11 月 [3] 宗偉新 運動背景下運動目標的跟蹤算法研究 西安工業(yè)大學(xué) 20xx 年 5月 [4] 趙瑤 運動目標與跟蹤算法研究 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)匹配算法的跟蹤時間縮短，是因為采用軌跡預(yù)測后搜索區(qū)域變小，匹配次數(shù)減少。 [6] 實驗結(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)測算法的跟蹤效果圖 實驗結(jié)果分析：對比未加軌跡預(yù)測的歸一算法和 MAD 算法和加了軌跡預(yù)測的效果圖，未加軌跡預(yù)測在 307 幀時目標就跟蹤丟失，而加了軌跡預(yù)測的在 605幀以后，才出現(xiàn)目標不見。 設(shè)原函數(shù) f (t)在 N 個順序時刻的測量值為 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 N 點估計的均方誤差為： 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 點最佳線性逼近的通解。實驗證明它既能很好的適應(yīng)目標的快速變化，又對目標的瞬時遮擋具有較好的抗干擾能力。 在上式中，通過調(diào)整權(quán)值的大小， 就可改變識別模板變化的靈活性和平穩(wěn)性，當(dāng) 12... m? ? ?? ? ? 時，模板的更新就更側(cè)重于靈活性，但如果圖像出現(xiàn)瞬時干擾時，可能影響系統(tǒng)穩(wěn)定性；相反，如果 12... m? ? ?? ? ?時，則模板的變化相對穩(wěn)定，當(dāng)目標特征變化較快時，模板的更新可能跟不上目標特性的變化。我們可以通過度量模板圖像和實時圖像的匹配度來確定如何對模板圖像進行更新，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作為模板圖像進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。 模板圖像是對應(yīng)像素距離測度的圖像匹配跟蹤過程中的基準 , 考慮到目標區(qū)域圖像存在變化 , 模板圖像的更新和修正是必要的。由于照相機目標間的相對運動 , 目標可能出現(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 , 需要對模板圖像進行自適應(yīng)更新。 [1] 歸一化互相關(guān)搜索法實驗結(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 實驗結(jié)果分析，在第 307 幀時出現(xiàn)跟蹤目標丟失，絕對平均搜索算法在 200幀目標就丟失了。 歸一化互相關(guān)搜索法 歸一化互相關(guān)匹配算法 (Nomral1zedCorerlatino 一 NC)是一個經(jīng)典的匹配算法，它是通過計算模板圖像和待匹配圖像的互相關(guān)值來決定匹配的程度， 尋找互相關(guān)值最大的搜索窗口的位置作為目標新的位置。 絕對平衡搜索法有三種算法 :最小均方誤差函數(shù) (MES)，最小平均絕對差值 函數(shù) (MAD)和最大匹配像素統(tǒng)計 (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。要能夠準確地、實時地確定目標的位置搜索算法很關(guān)鍵。 (2) 圖像的統(tǒng)計特征，如顏色直方圖、各種不變矩等特征 。這種方法用一個參數(shù)公式，或一個變形公式來描述目標物體的形狀。 對于剛體目標來說，其運動狀態(tài)變換主要是平移、旋轉(zhuǎn)等，可以利用該方法實現(xiàn)目標跟蹤。例如 Frnaoc 提出的區(qū)域跟蹤方法依賴于以前的檢測來區(qū)分運動目標，然后跟蹤目標?；趨^(qū)域的跟蹤方法我們可以選取整個區(qū)域的單一的特征來實現(xiàn)跟蹤，但是實際跟蹤過程中單一的特征不太好選擇，所以一般采用運動目標的多個特征來進行跟蹤。 [3] 如果運動目標物體簡單，可以將整個目標作為特征來進行跟蹤，這種方法也被稱為模板匹配。例如使用特征點