【正文】 因此，目前世界各國(guó)政府和學(xué)者，密切關(guān)注新一代的監(jiān)控技術(shù) ——智能視頻監(jiān)控技術(shù)。隨著科學(xué)的發(fā)展和生活水平的提高，一些高檔的手持、肩扛拍照和攝像系統(tǒng)也廣泛地應(yīng)用了人臉識(shí)別與跟蹤技術(shù)，提高了系統(tǒng)的成像質(zhì)量。美國(guó)空軍 “幼畜 ”導(dǎo)彈是最著名的一種電視制導(dǎo)導(dǎo)彈，由于目標(biāo)的識(shí)別與跟蹤技術(shù)的應(yīng)用，該導(dǎo)彈可做到自動(dòng)發(fā)現(xiàn)并鎖定目標(biāo)，并對(duì)目標(biāo)實(shí)施摧毀，大大提高了作戰(zhàn)效能；武裝直升機(jī)和現(xiàn)代坦克戰(zhàn)車(chē)隊(duì)也都借助 到高性能光電穩(wěn)定瞄準(zhǔn)具等先進(jìn)光電設(shè)備，如高清晰度前視紅外傳感器、高分辨率和高倍率的 CCD 傳感器等光電設(shè)備，結(jié)合目標(biāo)的識(shí)別與跟蹤技術(shù)大大提高了其再戰(zhàn)場(chǎng)中的生存能力、提高有效打擊力、增加全天候作戰(zhàn)效能。 目前，基于視頻序列的目標(biāo)檢測(cè)與跟蹤技術(shù)在國(guó)內(nèi)外各個(gè)領(lǐng)域和方面均得到了十分廣泛的應(yīng)用。 視頻監(jiān)控系統(tǒng)是公共安全技術(shù)防范系統(tǒng)的重要組成部分，它被廣泛應(yīng)用于國(guó)防、國(guó)家安全、治安等多個(gè)方面，主要涉及軍工、公安、交通、金融、電力、電信、供水、供氣等重要部門(mén)。Lucas Kanade light flow method。 In view of these two algorithm in target tracking deficiency, analyses the corresponding improvement and perfection. By Lucas Kanade light flow forecast target centroid position tracking algorithm, and set a target of reducing the search area putation minimum absolute difference algorithm。 關(guān)鍵詞 ： 運(yùn)動(dòng)目標(biāo)跟蹤 ； Lucas Kanade 光流法；模板匹配 Abstract： Video target tracking algorithm research and Application is one of the key techniques which implements intelligent video surveillance system(IVSS). The real video surveillance system applied environment is usually plex, full of variety. The realization of moving object detection and tracking with veracity, realtime performanceand robustness is the direction for current IVSS paper studied under static scene tracking algorithms movement are given, and the implementation scheme of moving object tracking Kanade light flow, because Lucas to target tracking algorithm only tracking its existing track the target centroid, easy to lose and robustness is not high weaknesses。本文研究了靜態(tài)場(chǎng)景下運(yùn)動(dòng)目標(biāo)跟蹤的相關(guān)算法，給出了運(yùn)動(dòng)目標(biāo)跟蹤的實(shí)現(xiàn)方案，由于 Lucas Kanade光流跟蹤算法對(duì)目標(biāo)僅僅跟蹤其質(zhì)心，存在跟蹤目標(biāo)容易丟失且魯棒性不高的缺點(diǎn)；最小絕對(duì)差算法企圖搜索目標(biāo)模板、計(jì)算量大、實(shí)時(shí)性差；針對(duì)這兩種算法在目標(biāo)跟蹤方面的不足 ，對(duì)其進(jìn)行了相應(yīng)的改進(jìn)和完善。 淮南師范學(xué)院本科畢業(yè)論文 1 智能視頻監(jiān)控中目標(biāo)跟蹤算法研究及應(yīng)用 摘要： 視頻監(jiān)控中目標(biāo)跟蹤算法的研究及應(yīng)用是實(shí)現(xiàn)視頻監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)之一。實(shí)際視頻監(jiān)控系統(tǒng)中的場(chǎng)景往往是錯(cuò)綜復(fù)雜、變化無(wú)常的，實(shí)現(xiàn)具有魯棒性、準(zhǔn)確性和實(shí)時(shí)性的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤是當(dāng)前智能視頻監(jiān)控技術(shù)努力的方向。通過(guò) Lucas Kanade 光流跟蹤算法預(yù)測(cè)目標(biāo)質(zhì)心位置、并設(shè)定目標(biāo)搜索區(qū)域減小最小絕對(duì)差算法計(jì)算量；將模板匹配定位之后更正的目標(biāo)質(zhì)心做為下一幀 Lucas Kanade 光流跟蹤算法跟蹤的特征點(diǎn)，可以減小單一光流法預(yù)測(cè)目標(biāo)質(zhì)心帶來(lái)的誤差，實(shí)現(xiàn)可靠的跟蹤。 Minimum absolute difference algorithm map search target template, large amount of calculation, realtime poor。 Will the template matching after the target centroid position correction as the next frame Lucas Kanade light streaming tracking algorithm tracking feature points can reduce a single light flow method for forecasting the errors caused by target centroid, achieve reliable tracking. Key words ： Sports target tracking。Background model 智能視頻監(jiān)控中目標(biāo)跟蹤算法研究及應(yīng)用 2 2 1．引言 研究背景和意義 隨著計(jì)算機(jī)技 術(shù)、通信技術(shù)、圖像處理技術(shù)的不斷發(fā)展，目標(biāo)檢測(cè)與跟蹤技術(shù)在移動(dòng)機(jī)器人、戰(zhàn)車(chē)與坦克、飛機(jī)、導(dǎo)彈、艦船等軍事領(lǐng)域和航空航天、科學(xué)探測(cè)、天文觀測(cè)以及視頻監(jiān)控等民用領(lǐng)域具有越來(lái)越廣泛的應(yīng)用，也稱為自動(dòng)控制、信號(hào)與信息處理、計(jì)算機(jī)視覺(jué)和模式事變等領(lǐng)域的研究熱點(diǎn)。由于視頻圖像監(jiān)控具有很強(qiáng)的直觀性、實(shí)時(shí)性和可逆性，使得它在解決經(jīng)營(yíng)糾紛、預(yù)防和制止犯罪、處理治安 和刑事案件、為公安偵察破案提供線索等方面有著其他防范設(shè)施難以發(fā)揮的作用。在軍事方面，軍用衛(wèi)星、戰(zhàn)區(qū)導(dǎo)彈防御、偵察機(jī)、導(dǎo)彈制導(dǎo)、火控系統(tǒng)及小型自尋的導(dǎo)引頭等軍事武器均廣泛應(yīng)用了圖像目標(biāo)的識(shí)別與跟蹤技術(shù)，大大提高武器系統(tǒng)的運(yùn)動(dòng)攻擊性能及作戰(zhàn)指標(biāo)。 在民用方面，圖像目標(biāo)的識(shí)別與跟蹤在科學(xué)探測(cè)、航空和航天對(duì)地觀察、攝影和地形測(cè)繪上同樣發(fā)揮著十分重要的作用。運(yùn)動(dòng)目標(biāo)的識(shí)別與跟蹤在智能交通、身份識(shí)別等領(lǐng)域也得到了十分廣泛的應(yīng)用，創(chuàng)造了很好的社 會(huì)價(jià)值。它同以往的監(jiān)控技術(shù)有著本質(zhì)的區(qū)別，其主要特征是采用計(jì)算機(jī)視覺(jué)的方法，在幾乎不需要人為干預(yù)的情況下，賦予計(jì)算機(jī)類似于人的理解動(dòng)態(tài)場(chǎng)景的視覺(jué)能力，通過(guò)對(duì)視頻序列中運(yùn)動(dòng)物體的檢測(cè)與跟蹤以及對(duì)運(yùn)動(dòng)行為與語(yǔ)義概念之間關(guān)系的表達(dá)與分析，形成對(duì)場(chǎng)景中運(yùn)動(dòng)物體行為及其相互關(guān)系的高層次語(yǔ)義上的解釋，使計(jì)算機(jī)知道什么時(shí)候，在什么場(chǎng)景中，是什么人在做什么，并用自然語(yǔ)言來(lái)描述所發(fā)生的一切。因此只能視頻監(jiān)控系統(tǒng)具有看、思考和表達(dá)的能力。 國(guó)內(nèi)外研究現(xiàn)狀 國(guó)外對(duì)基于視頻的目標(biāo)檢測(cè)與跟蹤的理論研究及應(yīng)用研究起步較早，尤其在美國(guó)、英國(guó)等國(guó)家已經(jīng)開(kāi)展了大量相關(guān)項(xiàng)目的研究，并取得了一定的成果。 美國(guó)的麻省理工學(xué)院 (Massachusetts Institute of Technology)在智能視覺(jué)監(jiān)控方面也進(jìn)行了深入的研究，其開(kāi)發(fā)的監(jiān)控系統(tǒng) [4]己成功實(shí)現(xiàn)了對(duì)行人和車(chē)輛的檢測(cè)與跟蹤。 美國(guó)的馬里蘭大學(xué) (University of Maryland)開(kāi)發(fā)了 W4(What， Where， When， Who)實(shí)時(shí)監(jiān)控系統(tǒng) [7,8,9]，該系統(tǒng)不僅能夠定位人和分割出人的身體部分，而且通過(guò)建立外觀模型來(lái)實(shí)現(xiàn)多人的跟蹤，可以檢測(cè)和跟蹤室外環(huán)境中的 人，同時(shí)可以檢測(cè)人是否攜帶物體等簡(jiǎn)單行為，并對(duì)他們之間的簡(jiǎn)單交互進(jìn)行監(jiān)控。目前，在國(guó)內(nèi)的相關(guān)研究機(jī)構(gòu)中，中科院自動(dòng)化研究所下屬的模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室成立的視覺(jué)監(jiān)控研究小組處于該領(lǐng)域的領(lǐng)先地位。模式識(shí)別實(shí)驗(yàn)室己經(jīng)開(kāi)始與英國(guó)雷丁大學(xué)就視覺(jué)監(jiān)控項(xiàng)目開(kāi)展了合作研究，并得到了英國(guó)皇家 協(xié)會(huì)的支持；與法國(guó)波爾多第三大學(xué) EGID 研究所在交通視覺(jué)監(jiān)控等方面也展開(kāi)了一系列的合作。 運(yùn)動(dòng)目標(biāo)及運(yùn)動(dòng)目標(biāo)跟蹤的概述 智能視頻監(jiān)控中目標(biāo)跟蹤算法研究及應(yīng)用 4 4 運(yùn)動(dòng)目標(biāo)是日常生活中常見(jiàn)的，如活動(dòng)的動(dòng)物、行駛的運(yùn)載工具等。因此，研究運(yùn)動(dòng)目標(biāo)的檢測(cè)問(wèn)題，有著很大的現(xiàn)實(shí)意義和應(yīng)用價(jià)值。目前，目標(biāo)跟蹤技術(shù)已經(jīng)被廣泛應(yīng)用于眾多生活和科研領(lǐng)域中。 對(duì)于目標(biāo)跟蹤算法，目前沒(méi)有較為明確的分類方法。它的基本思想是用隨機(jī)樣本來(lái)描述概率分布，這些樣本稱為粒子，在測(cè)量的基礎(chǔ)上通過(guò)調(diào)節(jié)各粒子權(quán)值的大小和樣本的位置來(lái)近似實(shí)際概率分布，以樣本的均值作為系統(tǒng)的估計(jì)值。然而由于該算法的復(fù)雜性，降低了目標(biāo)跟蹤的實(shí)時(shí)性。 2)卡爾曼濾波 [15,16]在運(yùn)動(dòng)估計(jì)和預(yù)測(cè)中的運(yùn)用較為常見(jiàn)。如果已知目標(biāo)的運(yùn)動(dòng)軌跡是光滑的，或者目標(biāo)的運(yùn)動(dòng)速度或加速度是恒定的，而且假設(shè)圖像噪聲是高斯噪聲，卡爾曼濾波器便可以用來(lái)預(yù)測(cè)和估計(jì)目標(biāo)下一幀的位置，完成對(duì)目標(biāo)的跟蹤。 3）基于邊緣輪廓的跟蹤。 Blake 等用自適應(yīng)邊緣模型，而 Curwen等用 Snake 算法 [17]，都實(shí)現(xiàn)了對(duì)非剛性物體運(yùn)動(dòng)輪廓的跟蹤。所謂光流是指圖像中模式運(yùn)動(dòng)的速度。光流法用于目標(biāo)跟蹤常用的算法有：檢測(cè)和跟蹤特征點(diǎn) [20]、跟蹤好的特征點(diǎn) [21]、金字塔圖像的 Lucas Kanade 特征點(diǎn)跟蹤算法 [22]。 5）基于模板的目標(biāo)建模方法直接采用目標(biāo)圖像的像素集合對(duì)目標(biāo)進(jìn)行描述，已被廣泛用于基于模板匹配的跟蹤算法中 [2324]。算法需在整幅圖像上搜索出與原模板最匹配的區(qū)域，因此耗時(shí)較大，本文將其和光流法結(jié)合起來(lái)用于目標(biāo)跟蹤，提高算法實(shí)時(shí)性和魯 棒性。 1995 年 Yizong Cheng發(fā)表的一篇重要文獻(xiàn) [25]將其引入計(jì)算機(jī)視覺(jué)領(lǐng)域后，漸漸引起人們的興趣。該算法采用核函數(shù)直方圖建模，對(duì)邊緣遮擋、目標(biāo)旋轉(zhuǎn)、變化以及背景運(yùn)動(dòng)都不敏感；運(yùn)算速度快，實(shí)時(shí)性好；但是，該算法也存在一定的缺點(diǎn)。 運(yùn)動(dòng) 目標(biāo)跟蹤研究的難點(diǎn) 目前，運(yùn)動(dòng)目標(biāo)跟蹤所遇到的主要問(wèn)題是： 1)應(yīng)用面單一，缺乏適用性很廣的算法。 3)在跟蹤過(guò)程中出現(xiàn)運(yùn)動(dòng)目標(biāo)消失或受到遮擋。 5)目標(biāo)做復(fù)雜運(yùn)動(dòng)或形變時(shí)的跟蹤和分類問(wèn)題。通過(guò) Lucas Kanade 光流跟蹤算法預(yù)測(cè)目標(biāo)質(zhì)心位置、并設(shè)定目標(biāo)搜索區(qū)域減小最小絕對(duì)差算法計(jì)算量；將模板匹配定位之后更正的目標(biāo)質(zhì)心做為下一幀 Lucas Kanade 光流跟蹤算法跟蹤的特征點(diǎn)，可以減小單一光流法預(yù)測(cè)目標(biāo)質(zhì)心帶來(lái)的誤差，實(shí)現(xiàn)可靠的跟蹤。目標(biāo)跟蹤的作用非常重要，因?yàn)樗倾暯舆\(yùn)動(dòng)目標(biāo)檢測(cè)和目標(biāo)行為分析與理解的一個(gè)重要環(huán)節(jié)。 常用運(yùn)動(dòng)目標(biāo)跟蹤算法 金字塔圖像的 Lucas Kanade 特征點(diǎn)跟蹤算法 光流的概念是 Gibson 于 1950 年首先提出的。 1981 年， Horn等人在相鄰圖象間的時(shí)間間隔很小，并且圖象灰度變化也很小的前提下，推導(dǎo)出灰度圖象光流場(chǎng)計(jì)算的基木等式，這是經(jīng)典光流方法 [18, 19]。在這三種光流跟蹤方法中，跟蹤性能最優(yōu)的是金字塔圖像的 Lucas Kanade 特征點(diǎn)跟蹤算法，由于該算法僅跟蹤少量的特征點(diǎn)、迭代法收斂速度也很快而且算法的計(jì)算量不大，已被廣泛的應(yīng)用于運(yùn)動(dòng)車(chē)輛跟蹤和人臉特 征點(diǎn)跟蹤 [26,27]；下面介紹之。那么 I(x)=I(x,y)和 J(x)=J(x,y)代表了這兩個(gè)灰度圖像在點(diǎn) [ , ]TX x y? 的灰度值， x和 y是圖像的點(diǎn) X 坐標(biāo)。從實(shí)際的圖像來(lái)說(shuō)， I 和 J 是兩個(gè)離散的函數(shù)，并且左上角的像素點(diǎn)坐標(biāo)是 [0,0]T 。那么右下端的圖像的坐標(biāo)是 [ 1, 1]Txynn??。令 x? 和 y? 表示兩個(gè)整數(shù) ，我們假定圖像速度 d是使得下面的殘差函數(shù) ? 最小的函數(shù)：