【正文】 擋目標(biāo)中將目標(biāo)分離出來，這時(shí)候僅僅使用卡爾曼濾波達(dá)不到精確跟蹤的效果了。 本章小結(jié)在上述基于卡爾曼濾波算法的目標(biāo)跟蹤中，我們主要分析了單目標(biāo)跟蹤和多目標(biāo)跟蹤兩個(gè)方面。在單目標(biāo)跟蹤中研究了單一背景和復(fù)雜背景下的跟蹤效果，在多目標(biāo)跟蹤中研究了獨(dú)立的多目標(biāo)跟蹤和產(chǎn)生遮擋時(shí)的多目標(biāo)跟蹤，運(yùn)動目標(biāo)也選擇了行人和車輛等不同的個(gè)體，在分析了每種情況下的跟蹤效果之后，我們對卡爾曼濾波有了更全面的認(rèn)識：在系統(tǒng)噪聲和觀測噪聲是高斯白噪聲的情況下，卡爾曼濾波器得到的估計(jì)值是最優(yōu)無偏最小方差估計(jì)；在非高斯噪聲的情況下，卡爾曼濾波器是最好的線性濾波器；因?yàn)榭柭鼮V波的數(shù)學(xué)信號模型是由令部分組成，狀態(tài)方程和觀測方程，并且它的狀態(tài)轉(zhuǎn)移矩陣、觀測矩陣和控制矩陣（本文研究非機(jī)動運(yùn)動下的目標(biāo)跟蹤，所以不涉及到此值）是可以時(shí)變的，系統(tǒng)噪聲、觀測噪聲的協(xié)方差矩陣也是時(shí)變的；數(shù)據(jù)存儲量小，實(shí)時(shí)性好，卡爾曼濾波的狀態(tài)估計(jì)采用遞推估計(jì)算法，并避免了高階矩陣的求逆問題；卡爾曼濾波增益與觀測數(shù)據(jù)無關(guān)，可以離線算出；應(yīng)用范圍很廣?？柭鼮V波放寬了濾波條件的限制，只要求系統(tǒng)噪聲和觀察噪聲是高斯白噪聲，并且除了要知道它們的二階矩外，不需要任何條件的限制，因而可以應(yīng)用于非平穩(wěn)、多維的隨機(jī)序列估計(jì)問題；雖然卡爾曼濾波有很多優(yōu)點(diǎn)，但在實(shí)際應(yīng)用中也存在一定的問題。建模相對困難，模型有一定的限制；在實(shí)際情況下，跟蹤系統(tǒng)中的噪聲分布不一定滿足高斯白噪聲的假設(shè)；計(jì)算量相對而言比較大；在統(tǒng)計(jì)模型不正確或者噪聲統(tǒng)計(jì)特征選取不正確的情況下，有可能會導(dǎo)致濾波發(fā)散，僅僅基于卡爾曼濾波的目標(biāo)跟蹤在單一目標(biāo)和獨(dú)立的多個(gè)目標(biāo)跟蹤情況下效果較為理想，但當(dāng)遇到復(fù)雜的環(huán)境背景和多個(gè)目標(biāo)之間互相遮擋的情況的時(shí)候，跟蹤精確度大打折扣。第5章 結(jié)論視頻目標(biāo)跟蹤技術(shù)是計(jì)算機(jī)視覺研究領(lǐng)域中的重要內(nèi)容之一，它通過將視頻分幀處理成圖像，然后從每一幀的圖像序列中檢測提取出運(yùn)動目標(biāo)，然后在此基礎(chǔ)上來實(shí)現(xiàn)對目標(biāo)的跟蹤。并且融合了多個(gè)學(xué)科領(lǐng)域的知識 。這一技術(shù)不僅運(yùn)用在人們的日常生產(chǎn)活動中，更是在工程、軍事和科學(xué)上有著重要的研究意義。同時(shí)為了在研究復(fù)雜背景和噪聲干擾強(qiáng)度很大的外界因素影響下實(shí)現(xiàn)目標(biāo)的精確跟蹤，便進(jìn)行了濾波技術(shù)的研究。本文的主要研究的是視頻運(yùn)動目標(biāo)跟蹤，主要從單目標(biāo)跟蹤和多目標(biāo)跟蹤兩個(gè)方面有效地闡述了卡爾曼濾波器在預(yù)測運(yùn)動目標(biāo)信息中的應(yīng)用，每一幀圖像都存在一定的關(guān)系，將這種關(guān)系以矩陣的形式表現(xiàn)出來，并且建立相應(yīng)的數(shù)學(xué)模型、來對基于卡爾曼濾波日算法的動目標(biāo)跟蹤技術(shù)進(jìn)行研究。由本文實(shí)驗(yàn)可以直觀地看到跟蹤的情況，由此分析和總結(jié)了一下基于卡爾曼濾波的目標(biāo)跟蹤的一些問題：（1）攝像機(jī)不同，拍攝的視頻質(zhì)量差別也大，所以在讀取視頻之前我會運(yùn)用一些視頻轉(zhuǎn)換軟件對視頻進(jìn)行簡單的處理。本文的實(shí)驗(yàn)是比較具有代表性的，能適應(yīng)大部分的情況，對于系統(tǒng)外界環(huán)境干擾噪聲特別大或者視頻質(zhì)量極差的情況，目標(biāo)檢測和跟蹤結(jié)果將不會很理想。（2）在運(yùn)動目標(biāo)檢測方面，本文運(yùn)用到了背景圖像差分法，雖然這種方法可以檢測出目標(biāo)的信息，但外界的光線、環(huán)境的復(fù)雜程度等會對檢測的噪聲精度精度造成一定的影響。如圖中觀察到的，經(jīng)數(shù)學(xué)形態(tài)方法處理過后提取出來的目標(biāo)依然有點(diǎn)不完整，特別是在多目標(biāo)跟蹤過程中，背景復(fù)雜程度的增加導(dǎo)致了檢測出來的運(yùn)動目標(biāo)并不完整，很大程度上影響了跟蹤的進(jìn)行。所以在目標(biāo)檢測方面還有很多的改進(jìn)，比如說先進(jìn)行邊緣檢測，然后再進(jìn)行目標(biāo)提取，還可以嘗試三幀差法等難度較大的目標(biāo)檢測方法。（3）在運(yùn)動目標(biāo)跟蹤方面，用到的是基于區(qū)域匹配的最基本的卡爾曼濾波算法，可見基于區(qū)域匹配的跟蹤方法，較其它三種方法更準(zhǔn)確簡單。但在實(shí)際的情況中，系統(tǒng)的觀測噪聲和測量噪聲不一定符合高斯分布，而且，在多目標(biāo)跟蹤時(shí)候，由于目標(biāo)數(shù)量的增加，有時(shí)候會有遮擋等情況的發(fā)生，在這種情況下卡爾曼濾波的預(yù)測和更新功能受到影響。因此，在下一步的研究中，我們可以對遮擋情況下的目標(biāo)跟蹤作出更進(jìn)一步的研究，例如可以使用meanshift算法與卡爾曼濾波算法相結(jié)合，可以使目標(biāo)跟蹤在目標(biāo)被遮擋的情況下仍然可以進(jìn)行下去。同時(shí)，研究非高斯噪聲分布情況下的動目標(biāo)跟蹤將變得非常有現(xiàn)實(shí)意義，這也將是動目標(biāo)跟蹤中非常有前景的一個(gè)研究方向。參考文獻(xiàn)：[1][M].北京：：13，4558[2]Tinku Acharya，Ajoy K. Ray. Image Processing：Principles and Applications[M]. WileyInterscience：2005.[3][D].哈爾濱：哈爾濱工程大學(xué)，2006.[4]KALMAN R new approach to linear filtering and prediction problems[J].Journal of Basic Engineering，1960，82（1）：3545.[5]王宇，程耀瑜，基于卡爾曼濾波原理的運(yùn)動目標(biāo)跟蹤[1]，信息技術(shù)，2008，48（3）：4851[6]栗素娟，王紀(jì)，閻保定，葉宇程. 卡爾曼濾波在跟蹤運(yùn)動目標(biāo)上的應(yīng)用[J]. 自動化技術(shù)，2007：110112.[7]朱習(xí)軍，隋思漣，張賓，劉尊年．MATLAB在信號與圖像處理中的應(yīng)用[M]．北京：電子工業(yè)出版社，2009：235331.[8]鄭阿奇，曹弋．MATLAB實(shí)用教程[M]．：電子工業(yè)出版社，2007：115124[9]Tinku Acharya，Ajoy K. Ray. Image Processing：Principles and Applications[M]. WileyInterscience：2005.[10]Hongxia Chu， Kejun Wang. Target Tracking Based onMean Shift and Improved Kalman Filtering Algorithm Proceedings of the IEEE International Conference on Automation and Logistics Shenyang， China August 2009 [11]李慶瀛，褚金奎，李榮華，王洪青. 基于卡爾曼濾波的移動機(jī)器人運(yùn)動目標(biāo)跟蹤[J]. 傳感器與微系統(tǒng)，2008，27（11）：6671. [12]栗素娟，王紀(jì)，閻保定，葉宇程. 卡爾曼濾波在跟蹤運(yùn)動目標(biāo)上的應(yīng)用[J]. 自動化技術(shù)，2007：110112. 69 [13] 李晶，范九倫. 一種基于卡爾曼濾波的運(yùn)動物體跟蹤算法[J]. 計(jì)算機(jī)應(yīng)用研究，2010，27（8）：31623164.[14][Guihua Xia，Zhuoyi Xing. A New Algorithm for Target Recognition and Tracking for Robot Vision System[C]. 2007 IEEE International Conference on Control and Automation Guangzhou，CHINAMay 30 to June 1，2007：10041008.[15] Yanling Hao，Zhilan Xiong，F(xiàn)eng Sun，Xiaogang Wang. Comparison of Unscented Kalman Filters[C]. Proceedings of the 2007 IEEE International Conference on Mechatronics and Automation：895899.[16] 曾偉，朱桂斌，李瑤. 基于 Kalman 點(diǎn)匹配估計(jì)的運(yùn)動目標(biāo)跟蹤[J]. 計(jì)算機(jī)應(yīng)用，2009，29（6）：16771682.[17] Yuqiang Fang，Bin Dai. An Improved Moving Target Detecting and Tracking Based On Optical Flow Technique and Kalman Filter[C]. Proceedings of 2009 4th International Conference on Computer Science amp。 Education：11971202.[18] 李培華. 序列圖像中運(yùn)動目標(biāo)跟蹤方法[M]. 北京：：3540.[19] 權(quán)太范. 目標(biāo)跟蹤新理論與技術(shù)[M]. 北京：國防工業(yè)出版社，2009.[20] 代凱乾. 單目圖像序列的目標(biāo)跟蹤算法研究[D]. 長沙：國防科學(xué)技術(shù)大學(xué)， 80 2006.[21] Rafael C. Gonzalez，Richard E. Woods and Steven . Digital Image Processing Using MATLAB[M]. 阮秋琦等譯. Beijing：Publishing House of Electionics Industry，2009.致 謝在這大學(xué)的最后一個(gè)學(xué)期里面，主要就是用來實(shí)習(xí)和做畢業(yè)設(shè)計(jì)和寫論文，在這段時(shí)間里面，身邊的老師、同學(xué)和親人都給了我非常多的幫豬，今天在這里我要向他們表示我的感謝之情。給我最多幫助的是我的指導(dǎo)老師——張艷艷老師，很感謝她給予了我很多專業(yè)知識上的幫助。從去年十一月開始，我就拿到了畢業(yè)設(shè)計(jì)的題目，到現(xiàn)在差不多已經(jīng)有半年時(shí)間了。首先是選題，老師給予了我們很大的自由度，同時(shí)也給了我很多的建議，讓我明白了自己應(yīng)該選哪個(gè)方面的設(shè)計(jì)，最后在張艷艷老師的指導(dǎo)下，我作出了最后的決定，選擇了將基于卡爾曼濾波的目標(biāo)跟蹤算法確定為我的畢業(yè)設(shè)計(jì)。其實(shí)說實(shí)話，對于算法這方面，我自己還真是有點(diǎn)無從下手，從拿到題目開始還是有點(diǎn)茫然的，而且那個(gè)時(shí)候忙著找實(shí)習(xí)的事情，于是便暫時(shí)把畢業(yè)設(shè)計(jì)擱在旁邊了，再找到實(shí)習(xí)之后，便開始安心著手畢業(yè)設(shè)計(jì)了。首先自己在網(wǎng)上搜搜目標(biāo)跟蹤相關(guān)方面的研究文獻(xiàn)和資料，大概對這個(gè)概念有了一定的理解之后，思路便也變得清晰起來，知道了自己應(yīng)該先干嘛再干嘛。在畢業(yè)設(shè)計(jì)搞定了之后，便開始著手寫畢業(yè)論文了，然而，本來以為設(shè)計(jì)部分是最難的了，到了寫論文才知道，論文并不如我想象中的那么簡單，想要把自己的實(shí)驗(yàn)結(jié)果轉(zhuǎn)化為語言，并且條理清楚，有理有據(jù)地寫出來并不是一件易事。于是我開始不斷地整理各方面的資料，不斷地總結(jié)，甚至有時(shí)候需要改變已有的思路，這是一個(gè)深入淺出地過程。這一難忘的過程即將結(jié)束，畢業(yè)設(shè)計(jì)也順利完成，這期間我也有太多的感想與體會。在這里我要再次向我身邊親愛的老師同學(xué)朋友再次表達(dá)我的謝意。感謝我的指導(dǎo)老師張艷艷老師，感謝您在這么長時(shí)間來細(xì)心地指導(dǎo)與關(guān)懷，感謝您提出的寶貴意見與建議，感謝您一直以來的認(rèn)真負(fù)責(zé)，另外，還要感謝這四年來教導(dǎo)過我們的所有老師，你們的諄諄教導(dǎo)讓我學(xué)到了很多的專業(yè)知識，這對我以后的工作有很大的幫助，此外，還要感謝我的三位舍友和其他身邊的同學(xué)朋友們。感謝你們在我大學(xué)的最后時(shí)光里面給予我這么多溫馨的幫助，祝你們前程似錦，事業(yè)有成。最后感謝母校南京信息工程大學(xué)在這四年里面給我提供的良好的學(xué)習(xí)和生活環(huán)境，愿母校教育事業(yè)蒸蒸日上.29