【正文】 。假設圖中黃色的小方塊是待跟蹤的目標初始狀態(tài)，我們紅色的小矩形描述它。經過若干幀之后，黃色的目標發(fā)生了一定程度的旋轉，如果此時我們仍然使用不帶旋轉角度的小矩形去描述它將會產生很多錯誤的信息：一部分不見包含進來了，同時一部分目標信息處于小矩形框的外面了。在這種情況下匹配的時候將產生很大的誤差，甚至有可能導致目標跟蹤失敗。 本小節(jié)我們主要針對上面提到的兩個缺陷進行改進。 算法加速關于提速我們從兩個方面進行。一方面我們將一次匹配的過程改成了兩次匹配。即一次粗略匹配，一次精確匹配。第一次是粗略匹配。取模板隔行隔列的數據，也就是1/4模板數據，然后在被搜索圖像上開始隔行隔列的匹配，也就是在原圖1/4的范圍內進行匹配。由于數據量的大幅度減少，匹配速度就會得到顯著提高。于此同時也需要設計合理的誤差閥值 上式中：是各個點平均最大誤差，一般來說取40~50就可以了；是模板的長和寬。第二次是精確匹配。在第一次誤差最小點的鄰域內，即在對角點為的矩形內，進行搜索匹配，得到最后結果。另一方面，我們從匹配時采用的相關系數計算公式入手。如果我們嚴格按照相關系數公式來進行匹配，在一幀600*800的圖像中尋找一個30*30的目標大概需要幾秒的時間，還遠遠達不到實時性的要求。為了加速，我們將相關系數公式變形，即其中，都是一個常數，不必每次都算。分母的右邊可以通過積分直方圖來加速。通過這些方法，可以在一定程度上提高算法的執(zhí)行效率。 角度匹配通過構造由不同的旋轉角度的模板構成一個集合，再將集合中的成員分別與目標圖象進行匹配，總有一種情況符合實時情況，從這些匹配數據中選擇匹配程度的最好位置作為匹配結果。然后找出實時圖像和參考圖像之間的關系，也就是用平移大小和旋轉的角度表示。為原始坐標，為旋轉之后的坐標，和是原始模板的長和寬，對應的和則為旋轉之后的圖的長和寬，參考圖旋轉后與原來的參考圖像的坐標存在以下關系：（逆時針旋轉為例）（1）當 （2）當 （3）當 （4）當 如果參考圖與實時圖之間只存在旋轉和平移，參考圖坐標與實時圖坐標就有如下的關系： 上式中β是旋轉角度，和是橫向位移和縱向位移，則是縮放因子。 位置角度匹配算法對于整個匹配算法，我們分三步走：第一步：位置的匹配：首先在目標上位置周圍采用粗略匹配得到目標的一個初始位置；然后采用精確匹配得到目標最終的位置。第二步：在第一步所獲得的位置周圍，對預先設計的若干個角度進行搜索匹配，把相似度最大的角度作為最終的角度。第三步：固定第二步的角度，按第一步重新搜索位置。 操作界面介紹以及實驗結果分析：（MFC框架窗口) ：可以選擇三種背景：圖像，錄像以及攝像頭實時錄像：（以視頻為例分析實驗結果）：然后選擇保存跟蹤過程的方式與路徑: ，點擊按鈕starttract，開始載入視頻文件： intitialize按鈕進行初始化，確定初始跟蹤的幀并選定初始模板：，跟蹤分為兩種：第一：不更新；第二：更新； ：Camera：Video:下面是兩組跟蹤圖片結果：第一組：使用旋轉角度匹配第二組:不使用旋轉角度匹配很明顯不使用旋轉角度的匹配的時候，跟蹤對象的部分信息在跟蹤過程中會有部分的丟失，而且會有屬于背景圖像中的其他干擾信息插入，增大了工作量同時也降低了準確性。 本章節(jié)重點從數學坐標的介紹了角度旋轉的匹配，并貼出了實驗結果，值得注意的有以下兩點：第一 ：旋轉的角度的選取很重要，如果間隔太大會降低準確性，如果間隔太小的話又會加大計算量。第二 ：旋轉之后雖然可以得到匹配結果，但是旋轉以后的到正確的坐標位置，需要進行變換，但是這個變換也是一個行對來說比較復雜的一個過程?？偨Y緒論中也有提到目標跟蹤技術逐漸成為研究者們研究的重點和熱點，具有著相當好的應用前景?；谀０迤ヅ涞哪繕烁?，仍然存在兩個難點需要通過軟、硬件的不斷升級來解決：精度和實時性。我們也知道，只要是算法，在這兩個方面都很難同時兼顧。但也正是這樣的難題才促使這項技術在不斷向前發(fā)展。除此之外，目標形態(tài)的不確定性，還有場景因素的變化都使得其復雜性進一步在加大。這就對研究者們來說提出了更高層次的要求。 參考文獻[1] 朱虹 . 數字圖像處理基礎[M]. 北京 : 北京科學出版社 ,2005.[2]劉瑞禎,[M].北京:北京航空航天大學出版社,[3] 于仕琪 , 劉瑞禎 . 學習 OpenCV( 中文版 )[M]. 北京 :清華大學出版社 ,2009.[4]丁海洋,[J].北方交通大學學報,2004,28(2):4145[5]黎 松 , 平 西 建 , 丁 益洪, 的應用 [J].計算機應用與軟件 ,2005,22(8):134136.[6]王文濤,[J].計算機工程與科學,2005(2):4547.[7] 喻擎蒼 , 翁秀娟 , 趙勻 , 等．交互式開放結構計算機視覺平臺 [J]. 計算機工程與應用 ,2006,42(23):7881.[8]劉潔 , 馮貴玉 , 張汗靈 . 一種圖像處理和計算機視覺的開發(fā)工具 [J]. 計算機仿真 ,2006,23(11):305307.[9][J].信息技術,2007(5):5860.[10]方玫 , 喻擎蒼 , 李華強 等 .C++Builder 下 基 于OpenCV的數字圖像的處理[J].計算機工程與設計 ,2008,29(4):882884.[11]劉玉進,蔡勇,[J].計算機工程與應用,2009,45(35): 164167.[12]方亦凱,程健,[J].中國圖象圖形學報,2009,14(02):214220.[J].計算機仿真,(28):267270.[13]:[D].重慶：重慶大學,2009 [14][D]..[15]江超,[J].計算機應用，2012，32(S1):128133.[16] Veenman C, Reinders M, et al. Resolving motion correspondence for densely moving points. IEEE Transactions on Pattern Analysiz Machine Intelligence, 2001, 23(1): 5472 [17] Comaniciu D, Ramesh V, Meer P. Kernal based object tracking. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 11(25): 564575 [18] Yilmaz A, et al. Contour based object tracking with occlusion handling in video acquired using mobile cameras. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2004, 26(11): 15311536 [19] Sastry V. Deposition of the extended Kalman filter. IEEE Transactions On Automation Control, 1971，16(3): 260261 [20] Arulampalam M, Maskell S, et al. A tutorial on particle filters for online nonlinear/nonGaussian Bayesian tracking. IEEE Transactions on Signal Processing, 2002, 50 (2): 174188 謝 辭論文的完成，得益于南華大學老師傳授的知識，更得益于導師蔣良衛(wèi)老師從選題的確定、論文資料的收集、論文框架的確定、開題報告準備及論文初稿與定稿中對字句的斟酌傾注的大量心血，在此對導師蔣良衛(wèi)老師表示感謝！在這里，還要特別感謝大學四年學習期間給我諸多教誨和幫助的計算機學院的各位老師，你們給予我的指導和教誨我將永遠記在心里！感謝和我一起生活四年的室友，是你們讓我們的寢室充滿快樂與溫馨， “君子和而不同”，我們正是如此！愿我們以后的人生都可以充實、多彩與快樂！感謝我的同學們，謝謝你們給予我的幫助！回首本人的求學生涯，父母的支持是本人最大的動力。父母不僅在經濟上承受了巨大的負擔，在心里上更有思子之情的煎熬與望子成龍的期待。憶往昔，每次回到家時父母的欣喜之情，每次離家時父母的依依不舍之眼神，電話和信件中的殷殷期待和思念之語，皆使本人刻苦銘心，目前除了學習成績尚可外無以為報，希望以后的學習、工作和生活能使父母寬慰。通過這一階段的努力，我的畢業(yè)論文《基于模板匹配的目標跟蹤》終于完成了，這意味著大學生活即將結束。在大學階段，我在學習上和思想上都受益非淺，這除了自身的努力外，與各位老師、同學和朋友的關心、支持和鼓勵是分不開的。畢業(yè)論文暫告收尾，這也意味著我在南華大學的四年的學習生活既將結束。回首既往，自己一生最寶貴的時光能于這樣的校園之中，能在眾多學富五車、才華橫溢的老師們的熏陶下度過，實是榮幸之極。在這四年的時間里，我在學習上和思想上都受益非淺。這除了自身努力外，與各位老師、同學和朋友的關心、支持和鼓勵是分不開的。時間的倉促及自身專業(yè)水平的不足，整篇論文肯定存在尚未發(fā)現的缺點和錯誤。懇請閱讀此篇論文的老師、同學，多予指正，不勝感激