【導讀】跟蹤是當前智能視頻監(jiān)控技術努力的方向。這兩種算法在目標跟蹤方面的不足，對其進行了相應的改進和完善。通過LucasKanade光流跟蹤算。心帶來的誤差，實現(xiàn)可靠的跟蹤。息處理、計算機視覺和模式事變等領域的研究熱點。供氣等重要部門。由于視頻圖像監(jiān)控具有很強的直觀性、實時性和可逆性，使得它在。方面有著其他防范設施難以發(fā)揮的作用。在軍事方面，軍用衛(wèi)星、戰(zhàn)區(qū)導彈防御、偵察機、導彈制導、火控系。高武器系統(tǒng)的運動攻擊性能及作戰(zhàn)指標。美國空軍“幼畜”導彈是最著名的一種電視制。存能力、提高有效打擊力、增加全天候作戰(zhàn)效能。地形測繪上同樣發(fā)揮著十分重要的作用。隨著科學的發(fā)展和生活水平的提高，一些高。應用，創(chuàng)造了很好的社會價值。更形象地說，智能視頻監(jiān)控系統(tǒng)[1]能夠看，看被監(jiān)控場景中目標物體的行為；能。目前，智能視頻監(jiān)控系統(tǒng)

　　

【正文】 19 在目標匹配時，第 i 個（ i 為目標的 ID）目標搜索的起始點設置為光流法預測的第 i 個目標 的目標質心位置，用公式 (411)表示；第 i 個（ i 為目標的 ID）目標的搜索區(qū)域比第 i 個目標的大小略大，用公式 (412)表示，其中 w? 和 h? 為設定的閾值。 S e a r c h _ O r i g i n a t e _ P o i n t [ ] . [ ] .S e a r c h _ O r i g i n a t e _ P o i n t [ ] . [ ] .i x T r a c k in g B lo b i xi y T r a c k in g B lo b i y??? ?? (41) S e a r c h A r e a [ ] . [ ] .S e a r c h A r e a [ ] . [ ] .i w T r a c k in g B lo b i w wi h T r a c k in g B lo b i h h? ? ??? ? ? ?? (42) 通過大量的實驗發(fā)現(xiàn)，在一幀時間里光流法預測的目標質 心位置偏離實際的目標質心位置最大為 10 個像素（比如在人跑步、高速行駛的車等情況下），通常為 0 至 3個像素，因此， w? 和 h? 設置為： 0 14w?? ? 、 0 14h?? ? ； 如果目標的運動預測可靠，則逐漸縮小閾值 w? 和 h? ，當目標丟失時，則逐漸增大閾值 w? 和 h? 。 綜合上述三點，光流法和模板匹配法相結合的跟蹤方法 , 即改進的目標跟蹤算法概括為： 在第 k 幀，將目標質心（圖 （ a）中的紅色十字架）做為特征點，利用金字塔圖像的 Lucas Kanade 特征點跟蹤算法對其進行跟蹤；經 Lucas Kanade 光流跟蹤后，在第 k+1 幀，可以得到目標質心的新位置（圖 （ b）、（ c）中的紅色十字架），在新位置的領域（圖 （ c）中黃色虛線矩形框，這是搜索區(qū)域）內，利用 MAD 算法搜索目標模板（圖 （ e） ）；搜索結果如圖 （ d）所示，藍色矩形框為跟蹤框，可見跟蹤結果準確；紅色十字架為光流法和模板匹配法相結合后更正的目標質心，將這一目標質心做為下一幀光流法跟蹤的特征點，以此類推，從而實現(xiàn)穩(wěn)定、可靠的目標跟蹤。 實驗結果與分析 在 VC++ 環(huán)境下對 節(jié)的視頻做了改進的目標跟蹤算法實驗。實驗中，我們采用的參數是：積分窗口為 1111（即公式 431 中的 x? 和 y? 均采用 5 個像素），金字塔層數 L為 3，迭代次數 K 為 20 次，目標模板更新時間 T 為 1S，設定的搜索區(qū)域為40? 80（實驗中最大的目標模板為： 26? 66）。 第 10 幀 第 10 幀 A B C D E F 圖 原圖像及目標檢測結果 圖 目標模板 智能視頻監(jiān)控中目標跟蹤算法研究及應用 20 20 圖 為原圖像及目標檢測結果。二值圖像中紅色十字架為目標質心?？梢钥闯鲈跀z像機靜止情況下，本文設計的目標檢測算法 可以準確、快速的檢測出運動目標，這為后續(xù)跟蹤提供了準確可靠的目標質心及目標模型，克服了其他系統(tǒng)要手動圈出待跟蹤目標的缺陷。 圖 為目標模板。其中，圖 A、 B 和 C 分別表示第 55 和 85 幀目標 1 模板，圖 D、 E 和 F 分別表示第 55 和 85 幀目標 2 模板?？梢钥闯?，提取的目標模板精確、可靠。 第 11 幀 第 43 幀 第 68 幀 第 78 幀 第 93 幀 第 107 幀 圖 改進的目標跟蹤算法跟蹤結果 圖 為跟蹤結果。圖中，紅色的方框為跟蹤框，數字 “1”和 “2”為目標的標號，紅色的 “+”為改進的目標跟蹤算法更正的目標質心，綠色的曲線為目標 1 的運動軌跡，藍色的曲線為目標 2 的運動軌跡；可以看出，改進的目標跟蹤算法能較好的跟蹤目標和繪制目標運動軌跡，并且 1S 至少可以處理 15 幀圖像，基本滿足了實時跟蹤的要求。 單一使用金字塔圖像的 Lucas Kanade 特征點跟蹤算法其跟蹤結果如圖 所示，目標 1 的跟蹤框在第 78 幀之后開始偏離目標，到達第 93 幀時，由于目標模 糊不清、并且與背景較為相似，所以跟蹤框偏離加大，并停止跟蹤；而單一使用 MAD 算法跟蹤目標，由于該方法全圖搜索目標模板，計算量過大，處理一幀圖像耗時約 1S，實時性差。這兩個實驗更好的證明了本文改進的目標跟蹤算法合理性及可行性。 5. 結論 金字塔圖像的 Lucas Kanade 光流跟蹤算法通過計算稀疏特征點處的光流即可跟蹤目標，因為每一個目標僅僅跟蹤其質心，而且對圖像質量比較低、圖像紋理不豐富的運動目標，存在跟蹤目標容易丟失且魯棒性不高缺點； MAD 算法由于全圖搜索目標模 淮南師范學院本科畢業(yè)論文 21 板，其計算量大，實時性差，不能單獨用于目 標跟蹤；針對上述兩種算法存在的問題，文章將金字塔圖像的 Lucas Kanade 光流法跟蹤算法和基于最小絕對方差累加和的模板匹配法結合起來，可以避免上述問題，實驗結果表明改進的目標跟蹤算法能實現(xiàn)各種復雜場景條件下的目標穩(wěn)定跟蹤、獲得目標運動軌跡，且具有良好的實時性和魯棒性。針對上述兩種算法在跟蹤中存在的問題，文中將金字塔圖像的 Lucas Kanade 光流法跟蹤算法和模板匹配法結合起來，可以避免這兩種算法存在的問題，結果表明，改進的目標跟蹤算法能較好地實現(xiàn)目標跟蹤、獲得目標運動軌跡，且具有良好的實時性和魯棒性。 致 謝 時光荏苒，轉眼間又到了梔子花開的季節(jié)，隨著畢業(yè)日子的日益臨近，畢業(yè)論文也已收稿。值此之際，要對曾經給予我支持和幫助的所有老師、同學、朋友和家人表示最誠摯的謝意！ 首先要感謝我的導師王健老師，向他致以最崇高的敬意。王老師嚴謹的治學態(tài)度、敬業(yè)務實的奮斗精神、默默無聞的奉獻精神都在潛移默化中影響著我。 感謝物電系的所有老師，感謝你們在學習和工作中給予我的諸多幫助。 你們的指導和關心一直鼓勵著我前進。感謝所有和我一起奮斗和努力過的同學，感謝你們在生活和工作中給予我的幫助，在我的人生中留下一段美好 的回憶。 感謝我周圍的同學和朋友們，你們給我?guī)砹藲g樂和鼓舞，使我的生活充滿了幸福的色彩。 特別感謝我最敬愛的父母和兄弟姐妹，感謝你們對我無私的付出和無盡的關心，謝謝你們多年來對我的理解、支持和幫助，祝愿你們永遠幸福健康。 2020 年 5 月 智能視頻監(jiān)控中目標跟蹤算法研究及應用 22 22 參考文獻： [1] 樊亞琴 .淺談視頻監(jiān)控系統(tǒng)的應用與發(fā)展 [J]. 科技情報開發(fā)與經濟 2020 年 05 期 . [2] 張可義 ,岳秀江 ,韓立新 .視頻監(jiān)控系統(tǒng)工程應用研究 [J]. 制造業(yè)自動化 2020 年 03 期 . [3] 楊勉 ,劉發(fā)貴 .VSAM 文件向 DB2 數據庫的數據移植 [J].計算機應用 . [4] 趙克棟 .視頻監(jiān)控系統(tǒng)設計與工程應用 [D]. 北京郵電大學 2020. [5] 耿征 .智能化視頻分析技術探討 [J]. 中國安防 2020 年 03 期 . [6] 丁忠校 .視頻監(jiān)控系統(tǒng)的應用現(xiàn)狀與發(fā)展綜述 [J]. 科技咨詢導報 2020 年 28 期 . [7] 楊偉 .基于城域網的治安動態(tài)視頻監(jiān)控系統(tǒng)設計和實現(xiàn) [D]. 北京郵電大學 2020. [8] 趙克棟 .視頻監(jiān)控系統(tǒng)設計與工程應用 [D]. 北京郵電大學 2020. [9] 張秀玲 .視頻監(jiān)控系統(tǒng)研究現(xiàn)狀與發(fā)展趨勢 [J]. 科技信息 (學術研究 ) 2020 年 36 期 . [10] 艾海舟 ,樂秀寧 . 面向視覺監(jiān)視實時跟蹤的動態(tài)背景更新方法 [J ].計算機圖形學報 ,2020 ,9：104106. [11] 胡漢南 .水運交通電視監(jiān)控圖像目標識別技術研究 [J ].交通部上海船舶運輸科學研究所學報 ,2020 ,24 (6) ： 39. [12] Doucet A. Monte Carlo methods for Bayesian estimation of hidden Markov models[D],application to radiation signals. . Thesis, Univ. ParisSud, Orsay,1997. [13] 鄧自立 .最有濾波理論及其應用 ——現(xiàn)代時間序列分析方法 [M].哈爾濱：哈爾濱工業(yè)大學出版社， 2020. [14] Chang C. and Ansari R. Kernel particle filter for visual tracking[J].IEEE Signal .,2020,12(3)： 242245. [15] 嚴浙平 。 黃宇峰 .基于卡爾曼濾波的 動目標預測 [J].應用科技 2020 年 第 10 期 . [16] 李軍科 ,張串 ,吳建軍 .基于蒙特卡洛方法的粒子濾波算法研究 [J]. 電腦與信息技術 2020 年 01期 . [17] Doucet A. Monte Carlo methods for Bayesian estimation of hidden Markov models[D],application to radiation signals. . Thesis, Univ. ParisSud, Orsay,1997. [18] 楊楊 。張?zhí)镂?.一種基于特征光流的運動目標跟蹤方法 [J].宇航學報 。2020 年 02 期 . [19] 萬文靜 .基于光流的圖像目標跟蹤方法研究 [D]. 西北工業(yè)大學 ,2020,(07). [20] Zhang, tracking in a cluttered scene[J].Image and Vision Computing,1994(2)： 110120. [21] 左鳳艷 ,高勝法 ,韓建宇 .基于加權累積差分的運動目標檢測與跟蹤 [D].山東大學計算機科學與技術學院 2020, 35(22) 159161. [22] 著，崔之鈷，江春等譯 .數字視頻處理 [[M].北京：電子工業(yè)出版社， 1998. [23] 高峰 ,雷志勇 ,易娟 .基于模板匹配的圖像跟蹤技術 [J]。國外電子元器件 。2020 年 10 期 . [24] 徐瑞鑫 ,劉偉寧 .基于自適應模板的實時跟蹤算法 [J]。光學精密工程 。2020 年 04 期 . [25] . Montera, . Rogers, . Ruck, W. Dennis, . Oxley. Object trackingthrough adaptive correlation[J]. Optical Engineering,1994,33(1)： 294302. 淮南師范學院本科畢業(yè)論文 23 [26] 郝士新 .基于視頻的運動車輛檢測和跟蹤算法研究 [D]。華東師范大學 。2020 年 . [27] 王亮 ,胡衛(wèi)明 ,譚鐵牛 .人運動的視覺分析綜述 [J]。計算機學報 。2020 年 03 期 . [28] 何斌 ,馬天予 ,王運堅 ,朱紅蓮 .Visual C++數字圖像處理 (第二版 ).北京人民郵電出版社 ,2020. 智能視頻監(jiān)控中目標跟蹤算法研究及應用 24 24