【正文】 即跟蹤目標區(qū)別與其他目標的特征。但同時，相對傳統(tǒng)線性模型下的卡爾曼濾波，粒子濾波的算法復(fù)雜度高，計算量較大。該方法通過非參數(shù)化的蒙特卡羅法實現(xiàn)遞推貝葉斯估計，基本思想是利用一組隨機抽取的賦予權(quán)重的樣本近似狀態(tài)的概率分布。常用的位置搜索方法如逐步搜索法、均勻搜索法、分精度搜索法、二維對數(shù)搜索法、三步搜索法、分層搜索法。因此，可以通過相應(yīng)的方法減少相關(guān)算法計算量或者搜索位置數(shù)，從而達到快速匹配的效果。關(guān)于模板匹配算法的改進，大多是針對算法的計算量來考慮的，它關(guān)乎到匹配的速度問題。特征提取方法一般涉及大量的幾何與圖像形態(tài)學(xué)計算，計算復(fù)雜度小，計算量大，沒有一般模型可遵循，需要針對不同的應(yīng)用場景選擇各自特定的特征。但是，它對噪聲和圖像的光照變化比較敏感，且相似度算子計算量大，不適用于目標出現(xiàn)旋轉(zhuǎn)縮放情況的場合。圖像模板匹配算法可以分成基于灰度值法以及基于特征的提取法兩大類。模板匹配方法簡單、直觀實用，且定位靈敏度高，對動態(tài)物體有很好的即時響應(yīng)性。在進行跟蹤時，可以利用某種方法對兩幅圖片進行比較，根據(jù)比較的結(jié)果實現(xiàn)跟蹤，如幀間差分法；可以將兩種或多種特征結(jié)合在一起，在跟蹤時就可以排除非目標特征點的干擾，如利用直方圖構(gòu)造不變矩，利用角點進行向量匹配等；也可以根據(jù)特征在不同圖片中進行模板的匹配；還有一些利用圖像中目標的運動特征來進行跟蹤。常用的矩特征如 Hu 不變矩 [13]。常用的基于顏色特征的目標跟蹤方法如基于顏色直方圖的投影圖匹配算法、meanshift 算法 [11]、Camshift 算法 [12]等。基于顏色特征的跟蹤主要針對跟蹤目標本身的顏色信息，即用于匹配的特征是像素灰度值、顏色直方圖等?；趫D像邊緣的方法對邊緣提取算法的依賴性比較大，計算復(fù)雜且不能很好地定位角點，而基于圖像灰度的方法則避開了這些缺陷?；诮屈c特征的跟蹤要求能夠準確的檢測并描述角點。而常用的特征有如下幾類:描述圖像灰度分布的統(tǒng)計特征、描述幾何形狀的特征、顏色特征、紋理特征、矩特征、角點特征。因此找到并提取出具有良好描述以及較強分類性能的圖像特征是解決基于特征的目標跟蹤的關(guān)鍵3 / 79問題。目前，常用的目標跟蹤方法有基于特征的目標跟蹤方法、基于模板匹配的目標跟蹤方法和基于粒子濾波的目標跟蹤方法等。70年代，卡爾曼濾波理論 [3]在目標跟蹤領(lǐng)域的成功應(yīng)用，使得目標跟蹤技術(shù)得到人們的普遍關(guān)注。早在二戰(zhàn)之前，世界上第一部跟蹤雷達站SCR28的出現(xiàn)標志著目標跟蹤技術(shù)已經(jīng)應(yīng)用到軍事領(lǐng)域。下面分別就單目標跟蹤技術(shù)、多目標跟蹤技術(shù)以及多通道視頻目標跟蹤技術(shù)的國內(nèi)外研究現(xiàn)狀做介紹。由于單個攝像機的視野范圍有限，難以對感興趣目標實現(xiàn)大范圍、多角度、長期的跟蹤，多攝像機的應(yīng)用成為必然趨勢。計算機處理速度的飛速提高、圖形識別算法的革命性改進以及跟蹤對象的多樣化，多目標跟蹤技術(shù)（Multiple Target Tracking，MTT）應(yīng)孕而生，并在交通監(jiān)管、軍事打擊及防御、天文預(yù)測、智能監(jiān)控等領(lǐng)域有著非常重要的實用價值。 國內(nèi)外研究概況高效率計算機以及高精度、高質(zhì)量攝像機的出現(xiàn)，使得人們對視頻自動處理分析的需求愈加急切，目標跟蹤技術(shù)得到廣泛的重視。綜上所述，如何實時、高效的跟蹤一個或多個目標仍是視頻跟蹤領(lǐng)域中一個亟待解決的關(guān)鍵問題；同時，如何實現(xiàn)一個或多個目標在不同攝像機中的準確跟蹤，擴大目標的監(jiān)控力度和范圍，是監(jiān)控系統(tǒng)的一個重要研究課題。采用多個攝像機進行目標的實時跟蹤和分析可以拓寬信息的采集域，擴大監(jiān)控的范圍和角度，解決單個攝像機中的遮擋及景深問題。然而，攝像機獲取圖像的實質(zhì)是一個三維實物在二維平面的投影，自身即存在部分信息的缺失，再加上被跟蹤目標運動的不確定性、自身形狀姿態(tài)變化以及所處場景的復(fù)雜程度，都影響著目標跟蹤的效果，從而給目標的實時、準確、長期跟蹤帶來了很大的困難，因此在一定程度上制約了視頻跟蹤技術(shù)的快速發(fā)展與應(yīng)用。視頻跟蹤技術(shù)是計算機視覺的一個研究熱點，也是視頻監(jiān)控系統(tǒng)中的一個重要環(huán)節(jié)，其實質(zhì)是實時、在線、準確的跟蹤目標并分析其行為特征。視頻跟蹤技術(shù)的研究目的是賦予機器以生理視覺系統(tǒng)的感知能力，使機器能夠“人為”識別圖像序列中的運動物體。多通道視頻目標跟蹤的實質(zhì)是實現(xiàn)一個或多個目標在多個攝像機所拍攝的視頻中的自動跟蹤，該技術(shù)是計算機視覺的一個新興領(lǐng)域，涉及人工智能、圖像處理、圖像變換、模式識別、攝像機標定、自動控制等眾多領(lǐng)域的先進技術(shù)。若可疑的目標能夠通過計算機自動識別、跟蹤，那么不僅能節(jié)省大量的人力、物力資源，也能大幅度提高監(jiān)控系統(tǒng)報警的可靠性和實時性。關(guān)鍵詞：多通道視頻，多目標跟蹤，目標跟蹤系統(tǒng)，TLD，視頻監(jiān)控 ABSTRACTWith the development of technology and society, using multiple cameras and video processing technology to achieve the intelligence of video surveillance system bees a hot research topic in the field of puter vision. This thesis first studies the key problems in the multichannel video targets tracking system, and then based on the research results, a target automatic tracking system is built to demonstrate the ability of automatic tracking one or multiple targets in the scene monitored by multiple cameras. The main research works in this thesis include the following:1. An efficient target tracking algorithm TLD is first studied, and then an improved TLD algorithm is proposed based on the original TLD. This improved TLD algorithm not only improves the tracking accuracy and processing speed, but also increases the ability of identifying similar targets which cross each other during moving.2. A multichannel video targets tracking algorithm is proposed based on the improved TLD algorithm. An efficient data representation format is created for this algorithm to record the information of all the targets. Based on the recorded information, the frames of all the channels are examined to find all possible existences of the targets being tracked. The proposed multichannel video targets tracking algorithm not only can robustly track multiple targets in a single video channel, but also is able to smoothly track multiple targets in multiple video channels.3. A multichannel video targets tracking system is designed, and is verified in a real scenario. This tracking system consists of cameras, transmission lines, an image capture card and a central server, in which cameras, transmission lines and the image capture card are in charge of realtime image acquisition and the central server performs the tracking algorithm and displays the results. Through processing and analyzing for the image sequences in all the channels, a target or multiple targets are tracked in multichannel videos, and the detailed target motion information is displayed in the central server.The research works in this thesis involve not only the theoretical research for the multichannel video targets tracking system but also the specific and practicable design for this system, and this thesis will be an effective reference for the related works in both academic researches and engineering applications.iii / 79Key Words: MultiChannel Video，MultiTarget Tracking，Target Tracking System，TLD，Video Surveillancev / 79目 錄第一章 緒論 ...........................................................................................................................................1 課題的研究背景及其意義 ......................................................................................................1 國內(nèi)外研究概況 ......................................................................................................................2 本文主要研究內(nèi)容及章節(jié)安排 ..............................................................................................7第二章 TLD 目標跟蹤方法介紹 ...........................................................................................................9 TLD 算法框架結(jié)構(gòu) .................................................................................................................10 TLD 算法主要模塊 .................................................................................................................10 跟蹤模塊 .....................................................................................................................10 檢測模塊 .....................................................................................................................13 學(xué)習(xí)模塊 .....................................................................................................................19 融合處理模塊 ...............................................................