【正文】 擋目標中將目標分離出來，這時候僅僅使用卡爾曼濾波達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跟蹤中，我們主要分析了單目標跟蹤和多目標跟蹤兩個方面。在單目標跟蹤中研究了單一背景和復雜背景下的跟蹤效果，在多目標跟蹤中研究了獨立的多目標跟蹤和產(chǎn)生遮擋時的多目標跟蹤，運動目標也選擇了行人和車輛等不同的個體，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值是最優(yōu)無偏最小方差估計；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；因為卡爾曼濾波的數(shù)學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（本文研究非機動運動下的目標跟蹤，所以不涉及到此值）是可以時變的，系統(tǒng)噪聲、觀測噪聲的協(xié)方差矩陣也是時變的；數(shù)據(jù)存儲量小，實時性好，卡爾曼濾波的狀態(tài)估計采用遞推估計算法，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)、多維的隨機序列估計問題；雖然卡爾曼濾波有很多優(yōu)點，但在實際應(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)；計算量相對而言比較大；在統(tǒng)計模型不正確或者噪聲統(tǒng)計特征選取不正確的情況下，有可能會導致濾波發(fā)散，僅僅基于卡爾曼濾波的目標跟蹤在單一目標和獨立的多個目標跟蹤情況下效果較為理想，但當遇到復雜的環(huán)境背景和多個目標之間互相遮擋的情況的時候，跟蹤精確度大打折扣。第5章 結(jié)論視頻目標跟蹤技術(shù)是計算機視覺研究領(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動目標，然后在此基礎(chǔ)上來實現(xiàn)對目標的跟蹤。并且融合了多個學科領(lǐng)域的知識 。這一技術(shù)不僅運用在人們的日常生產(chǎn)活動中，更是在工程、軍事和科學上有著重要的研究意義。同時為了在研究復雜背景和噪聲干擾強度很大的外界因素影響下實現(xiàn)目標的精確跟蹤，便進行了濾波技術(shù)的研究。本文的主要研究的是視頻運動目標跟蹤，主要從單目標跟蹤和多目標跟蹤兩個方面有效地闡述了卡爾曼濾波器在預測運動目標信息中的應(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)學模型、來對基于卡爾曼濾波日算法的動目標跟蹤技術(shù)進行研究。由本文實驗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跟蹤的一些問題：（1）攝像機不同，拍攝的視頻質(zhì)量差別也大，所以在讀取視頻之前我會運用一些視頻轉(zhuǎn)換軟件對視頻進行簡單的處理。本文的實驗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，目標檢測和跟蹤結(jié)果將不會很理想。（2）在運動目標檢測方面，本文運用到了背景圖像差分法，雖然這種方法可以檢測出目標的信息，但外界的光線、環(huán)境的復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)學形態(tài)方法處理過后提取出來的目標依然有點不完整，特別是在多目標跟蹤過程中，背景復雜程度的增加導致了檢測出來的運動目標并不完整，很大程度上影響了跟蹤的進行。所以在目標檢測方面還有很多的改進，比如說先進行邊緣檢測，然后再進行目標提取，還可以嘗試三幀差法等難度較大的目標檢測方法。（3）在運動目標跟蹤方面，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確簡單。但在實際的情況中，系統(tǒng)的觀測噪聲和測量噪聲不一定符合高斯分布，而且，在多目標跟蹤時候，由于目標數(shù)量的增加，有時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跟蹤作出更進一步的研究，例如可以使用meanshift算法與卡爾曼濾波算法相結(jié)合，可以使目標跟蹤在目標被遮擋的情況下仍然可以進行下去。同時，研究非高斯噪聲分布情況下的動目標跟蹤將變得非常有現(xiàn)實意義，這也將是動目標跟蹤中非常有前景的一個研究方向。參考文獻：[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，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動目標跟蹤[1]，信息技術(shù)，2008，48（3）：4851[6]栗素娟，王紀，閻保定，葉宇程. 卡爾曼濾波在跟蹤運動目標上的應(yīng)用[J]. 自動化技術(shù)，2007：110112.[7]朱習軍，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器人運動目標跟蹤[J]. 傳感器與微系統(tǒng)，2008，27（11）：6671. [12]栗素娟，王紀，閻保定，葉宇程. 卡爾曼濾波在跟蹤運動目標上的應(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動物體跟蹤算法[J]. 計算機應(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 點匹配估計的運動目標跟蹤[J]. 計算機應(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. 序列圖像中運動目標跟蹤方法[M]. 北京：：3540.[19] 權(quán)太范. 目標跟蹤新理論與技術(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跟蹤算法研究[D]. 長沙：國防科學技術(shù)大學， 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 謝在這大學的最后一個學期里面，主要就是用來實習和做畢業(yè)設(shè)計和寫論文，在這段時間里面，身邊的老師、同學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)計的題目，到現(xiàn)在差不多已經(jīng)有半年時間了。首先是選題，老師給予了我們很大的自由度，同時也給了我很多的建議，讓我明白了自己應(yīng)該選哪個方面的設(shè)計，最后在張艷艷老師的指導下，我作出了最后的決定，選擇了將基于卡爾曼濾波的目標跟蹤算法確定為我的畢業(yè)設(shè)計。其實說實話，對于算法這方面，我自己還真是有點無從下手，從拿到題目開始還是有點茫然的，而且那個時候忙著找實習的事情，于是便暫時把畢業(yè)設(shè)計擱在旁邊了，再找到實習之后，便開始安心著手畢業(yè)設(shè)計了。首先自己在網(wǎng)上搜搜目標跟蹤相關(guān)方面的研究文獻和資料，大概對這個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，想要把自己的實驗結(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)，甚至有時候需要改變已有的思路，這是一個深入淺出地過程。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朋友再次表達我的謝意。感謝我的指導老師張艷艷老師，感謝您在這么長時間來細心地指導與關(guān)懷，感謝您提出的寶貴意見與建議，感謝您一直以來的認真負責，另外，還要感謝這四年來教導過我們的所有老師，你們的諄諄教導讓我學到了很多的專業(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朋友們。感謝你們在我大學的最后時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在這四年里面給我提供的良好的學習和生活環(huán)境，愿母校教育事業(yè)蒸蒸日上.29