【正文】 研究和深化，研究一種具有魯棒性和實時性、適用性強(qiáng)的目標(biāo)跟蹤方法依然面臨著巨大挑戰(zhàn)。為了提高跟蹤的魯棒性，往往不只選一個特征，而是選一組特征，在一般情況下，可利用的特征有：角點、直邊緣等局部特征和質(zhì)心、表面積和慣量矩等全局特征，在實際應(yīng)用中 ，采用什么特征主要取決于目標(biāo)具有哪些特征以及算法實現(xiàn)的具體要求。簡單地說，就是在當(dāng)前幀中尋找與上一幀目標(biāo)相關(guān)性最大的區(qū)域。 盡管目標(biāo)跟蹤算法可以大致分為上述幾類，但是這些方法并不是孤立的，在進(jìn)行目標(biāo)跟蹤時，為了保證跟蹤的可靠性和準(zhǔn)確性，常?；旌鲜褂脦追N算法以得到更好的跟蹤效果。 運動檢測主要有三種方法：光流法、時間差分法和背景去除法。 人們總是希望有一個通用的運動檢測算法，能適用于各種環(huán)境，在各種場景中都能很好地工作。由于本圖幀之間的變化很小，因此選取相鄰幾幀來做 西北工業(yè)大學(xué) 本科畢業(yè)設(shè)計論文 10 (a) (b) (c) 圖 22 采用 連續(xù)幀間差分法的效果圖 連續(xù)幀間差分方法在動態(tài)環(huán)境下的自適應(yīng)性是很強(qiáng)的，但是這樣分割出來的區(qū)域?qū)嶋H上是物體前后兩個位置的“或”區(qū)域，比物體實際所在的區(qū)域要大。 背景去除法是目前運動目標(biāo)檢測中最常用的一種方法，它是利用當(dāng)前幀圖像和背景圖像（參考幀圖像）的差分來檢測運動區(qū)域的一種技術(shù)，即將當(dāng)前幀圖像與背景圖像相減，若差值大于某一閾值，則認(rèn)為此像素點為運動目標(biāo)上的一點，閾值大小決定了檢測算法的靈敏度。 對于這些問題，可能的解決辦法是：不斷更新背景模型，使得背景模型具有自適應(yīng)的功能，解決 背景物體發(fā)生變化的影響和光照漸變的影響；對于室外樹葉的擺動、日光燈的閃爍等情況，可以建立多模的背景模型，如利用混合高斯模型對背景像素建模；對于前景和背景顏色相似的，可以利用能夠測量深度的攝像機(jī)捕獲圖像以及圖像中對應(yīng)于各像素點的深度信息；雖然陰影使得像素點的強(qiáng)度變化比較大，但是其色度信息幾乎保持不變，可以利用色度信息把陰影從前景中消除。光流計算方法大致可以分為三類：基于匹配的方法、基于頻域的方法和基于梯度的方法。關(guān)于光流更加詳細(xì)的討論可參見 Barron、高文、馬頌德等的文章。特別在軍事上，先進(jìn)的武器導(dǎo)航、軍事偵察和監(jiān)控中都成功運用了自動跟蹤 技術(shù)。近年來，人們從這兩種基本思想或結(jié)合這兩種思想的角度出發(fā)，提出了大量的跟蹤算法。例如使用特征點對人體進(jìn)行運動跟蹤 [33〕?；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(biāo)的多個特征來進(jìn)行跟蹤。 對于剛體目標(biāo)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(biāo)跟蹤。 (2) 圖像的統(tǒng)計特征，如顏色直方圖、各種不變矩等特征 。 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。 [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(biāo)丟失，絕對平均搜索算法在 200幀目標(biāo)就丟失了。由于照相機(jī)目標(biāo)間的相對運動 , 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。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(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。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(jìn)行更新，獲得更新后的模板。實驗證明它既能很好的適應(yīng)目標(biāo)的快速變化，又對目標(biāo)的瞬時遮擋具有較好的抗干擾能力。 [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(biāo)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(biāo)不見。這必將為我們以后的工作和學(xué)習(xí)打下良好的基礎(chǔ)。王老師淵博的知識、嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和求實的精神給我留下了深刻的印象。如用 k 2,k1 以及 k 幀的位置去求取 k+1 幀的位置，即用過去三幀的位置（ N=3 的情況）預(yù)測下一幀的位置 ， 按 上述 的 表示 方 法 有 1 1t? ， 2 2t? ， 3 3t? 以及 1( ) ( 2)f f kt ??，西北工業(yè)大學(xué) 本科畢業(yè)設(shè)計論文 30 2( ) ( 1)f f kt ??， 3( ) ( )f f kt ? ，對于 k+1 幀而言，相當(dāng)于 t=4 的情況，故求取k+1 幀的位置為： ^0 1 1 0 1( ( 1 ) / ) 4kkkf a a t a a?? ? ? ? ? （ 49） 將上述 it 及 ()ift 的值分別代入（ 4－ 5）和（ 4－ 6）可求出 0a ， 1a 的值，然后將 其代入（ 47）式可得： ^ 1( ( 1 ) / ) [ 4 ( ) ( 1 ) 2 ( 2) ]3k k f k f k f kf ? ? ? ? ? ? （ 410） 上式就是三點線性預(yù)測的公式，當(dāng) N 取不同的整數(shù)值時可構(gòu)成不同的預(yù)測器，如下表所示： N 的取值 ^ (( 1)/ )kkf ? 2 2 ( ) ( 1) _f k f k?? 3 1 [ 4 ( ) ( 1 ) 2 ( 2 ) ]3 f k f k f k? ? ? ? 4 1 [ 2 ( ) ( 1 ) ( 3 ) ]2 f k f k f k? ? ? ? 5 1 [ 8 ( ) 5 ( 1 ) 2 ( 2 ) ( 3 ) ( 4 ) ]10 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