【正文】 是當(dāng)前幀圖像；（c）背景差分法檢測出來的結(jié)果；（c）可以明顯觀察得到，檢測出來的圖像中含有很多的噪聲，這時可以對圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，來使檢測出來的目標(biāo)更加清晰準(zhǔn)確。對比以上實驗結(jié)果，我們可以總結(jié)出來背景差分法提取出來的目標(biāo)更加適合用于視頻目標(biāo)跟蹤，所以本文選擇背景差分法用于檢測運(yùn)動目標(biāo)。接下來，針對不同閾值情況進(jìn)行了背景圖像差分法的目標(biāo)檢測的實驗，用于實驗的圖像是從一段大小為320X240，幀速率為18幀/秒的視頻中截取的兩幀圖像，如圖所示為不同閾值下背景圖像差分法所檢測到的目標(biāo)結(jié)果： （b）（a） （d） （c） （e）（f） （g）（h） 背景圖像差分法法檢測目標(biāo)結(jié)果（a）是背景灰度圖像；（b）是當(dāng)前幀圖灰度圖像；（c）是T =10的檢測結(jié)果；（d）是T =30的檢測結(jié)果；（e）是T =50的檢測結(jié)果；（f）是T =70的檢測結(jié)果；（g）是T =90的檢測結(jié)果；（h）是T =110的檢測結(jié)果；數(shù)學(xué)形態(tài)學(xué)常用的方法有腐蝕、膨脹、開運(yùn)算、閉運(yùn)算等，這些方法主要運(yùn)用于圖像圖形處理。設(shè)圖像序列第k幀圖片 及建立的背景模型 ，則背景減除法的公式表示為： （22） 式中： 設(shè)定的閾值； 檢測后得到的二值圖像。接下來，針對不同閾值情況進(jìn)行了幀差法目標(biāo)檢測的實驗，用于實驗的圖像是從一段大小為320X240，幀速率為18幀/秒的視頻中截取的相鄰兩幀圖像，如圖所示為不同閾值下幀間差分法所檢測到的目標(biāo)結(jié)果（b）（a） （d） （c） （f） （e） 幀差法檢測目標(biāo)結(jié)果（a）是第k幀灰度圖；（b）是第k+1幀灰度圖；（c）是T =10的檢測結(jié)果；（d）是T =30的檢測結(jié)果；（e）是T =50的檢測結(jié)果；（f）是T =70的檢測結(jié)果；（g）是T =90的檢測結(jié)果；（h）是T =110的檢測結(jié)果；（h） （g） 背景圖像差分法又叫背景減除法，是通過背景圖像差分法來獲取視頻目標(biāo)進(jìn)行跟蹤；背景圖像差分法是現(xiàn)在檢測運(yùn)動目標(biāo)最常用的一種方法，它是事先將視頻分成一幀一幀的圖像，然后選取背景模型，再將當(dāng)前幀圖像和背景圖像進(jìn)行灰度處理，接下來兩者做減法運(yùn)算，得到一個二值化圖像，然后將二值圖像像素值與事先設(shè)定的一個閾值相比較，認(rèn)為大于閾值的就是運(yùn)動目標(biāo)，小于閾值就是背景模型。閾值過大或者過小都會影響提取出來的目標(biāo)的完整性。我們首先將第k幀圖片 和第k1幀圖片 進(jìn)行灰度處理，然后再做幀差運(yùn)算，公式表示為 （21）式中： 閾值； 幀差運(yùn)算得到的二值圖像。將相鄰兩幀灰度圖像相減，得到一個以二進(jìn)制形式表達(dá)的圖像，然后將二進(jìn)制圖像像素值與設(shè)好的閾值進(jìn)行比較，如果得到的結(jié)果大于閾值，那么就是運(yùn)動目標(biāo)。本文的流程可以概括為：Kalman濾波遞推算法公式推導(dǎo)目標(biāo)跟蹤仿真實驗?zāi)繕?biāo)檢測總結(jié)討論緒論 本文主要流程第2章 運(yùn)動目標(biāo)檢測運(yùn)動目標(biāo)檢測的方法很多，這里介紹幀間差分法和背景圖像差分法兩種常用的方法。第四章為用Matlab進(jìn)行仿真跟蹤，分別對基于卡爾曼濾波的單目標(biāo)和多目標(biāo)的跟蹤實驗分析。第二章是運(yùn)動目標(biāo)的檢測，利用背景差分法提取目標(biāo)，然后利用數(shù)學(xué)形態(tài)學(xué)方法對檢測出來的目標(biāo)進(jìn)行優(yōu)化。最終經(jīng)過Matlab仿真檢驗算法的是否可行，對實驗結(jié)果進(jìn)行仔細(xì)分析，總結(jié)出來算法跟蹤的準(zhǔn)確性和優(yōu)劣性。對卡爾曼濾波進(jìn)行研究，完成卡爾曼濾波的遞歸公式推導(dǎo)。完成視頻運(yùn)動目標(biāo)的檢測。若需要對某一特定的運(yùn)動目標(biāo)進(jìn)行跟蹤檢測，并需要對某一時間的運(yùn)動位置、運(yùn)動方向、速度等信息進(jìn)行預(yù)先估計，才能達(dá)到對目標(biāo)的控制。Kumar R等人向著在現(xiàn)代戰(zhàn)爭中，在空戰(zhàn)時利用飛機(jī)來跟蹤敵方空中目標(biāo)的方向進(jìn)行研究，并有了一定的成果。國內(nèi)也有很多優(yōu)秀的學(xué)術(shù)期刊成為了廣大視頻目標(biāo)跟蹤技術(shù)研究者的交流平臺，并成為很多初級研究人員的重要參考資料，對計算機(jī)視覺領(lǐng)域的發(fā)展有很重要的推動作用。國內(nèi)的一些研究人員也在這方面取得了很不錯的成績，寧華中等利用基于圖像邊緣檢測的方法提取目標(biāo)，然后運(yùn)用粒子濾波器能夠跟蹤復(fù)雜的人體運(yùn)動；于慧敏等在解決處于運(yùn)動背景中的目標(biāo)的檢測和跟蹤問題的研究上取得了不俗的成績；羅嘉等在幾何模型的基礎(chǔ)上提出了一種將目標(biāo)跟蹤與運(yùn)動估計的稱合變分模型。除此之外，外國的很多與圖像和視頻技術(shù)研究相關(guān)的期刊和雜志專注于研究最先進(jìn)的圖像處理技術(shù)的研究，它們是圖像技術(shù)和視頻跟蹤領(lǐng)域的領(lǐng)先者，它引領(lǐng)著研究者在這個領(lǐng)域的研究方向，有IEEE Transaction on Image Processing，Signal Processing等各種雜志，還有IEEE International Conference on Computer Vision， IEEE International Conferencen Image Processing等一些重要的國際會議，這些都是一個很好平臺供研究者交流經(jīng)驗與專業(yè)知識。這些算法對后續(xù)運(yùn)動目標(biāo)跟蹤技術(shù)的研究是非常有用的。Condensation算法是計算機(jī)視覺領(lǐng)域中關(guān)于粒子濾波器的第一篇論文，作者是Isard和Blake。在實際跟蹤的應(yīng)用中，往往由于拍攝環(huán)境的變化和運(yùn)動復(fù)雜程度的加大，而導(dǎo)致運(yùn)動狀態(tài)很多時候都是非線性非高斯的，因此經(jīng)常造成跟蹤失敗。同時也促進(jìn)了圖形圖像技術(shù)的發(fā)展，接下來的是更多更復(fù)雜的研究。在這經(jīng)濟(jì)和科技高速發(fā)展的二三十年里，計算機(jī)技術(shù)發(fā)展迅速，運(yùn)動目標(biāo)跟蹤技術(shù)作為一項很有前景的項目，在計算機(jī)視覺研究領(lǐng)域占據(jù)了重要地位，并一直有人對其進(jìn)行大量的研究，獲得了很多的經(jīng)驗。在此基礎(chǔ)之上，更多的一些實用型和非線性，非高斯系統(tǒng)下的的卡爾曼濾波技術(shù)也得到了發(fā)展?？柭鼮V波器通過過濾掉當(dāng)前運(yùn)動目標(biāo)系統(tǒng)中的觀測噪聲，從而得到當(dāng)前時刻目標(biāo)位置的最佳估計值，因此輸出的可以是運(yùn)動目標(biāo)的當(dāng)前位置的狀態(tài)估計值，可以是運(yùn)動目標(biāo)下一時刻的狀態(tài)估計值，也可以是運(yùn)動目標(biāo)前一時刻的狀態(tài)估計值。但是，目前的發(fā)展仍然不夠成熟，那么如何準(zhǔn)確跟蹤，已成為智能化視頻監(jiān)控系統(tǒng)中一項重要的技術(shù)。 運(yùn)動目標(biāo)跟蹤技術(shù)將圖形處理和計算機(jī)視覺領(lǐng)域的很多先進(jìn)技術(shù)融合在一起，在軍事視覺制導(dǎo)、機(jī)器人視覺導(dǎo)航、深水導(dǎo)航、安全監(jiān)測、及交通管理等許多方面都有廣泛的應(yīng)用。計算機(jī)視覺則是一項綜合性的學(xué)科，它具備了大量圖像圖形處理、智能識別、計算機(jī)等方面的知識，同時跨越了物理、數(shù)學(xué)、心理學(xué)等多重領(lǐng)域?？墒?，人類視野的有限性限制了視覺系統(tǒng)在各領(lǐng)域的有效應(yīng)用。人類所接收的信息中超過一半的來自眼睛，眼睛得到的信息也是最直觀的。關(guān)鍵詞：卡爾曼濾波；目標(biāo)跟蹤；目標(biāo)檢測； Target Tracking Algorithm Based On Kalman FilterZeng Yujie School of Electronics amp。Kalman濾波使用要求比較嚴(yán)格，必須滿足三個條件：動態(tài)系統(tǒng)是線性的；觀測是狀態(tài)的線性組合；噪聲是附加的，而且服從正態(tài)分布。預(yù)測跟蹤目標(biāo)的關(guān)鍵在于，怎樣從大量有干擾噪聲的觀測數(shù)據(jù)中得到所需的參考量的估計值，同時用這一系列數(shù)據(jù)預(yù)測目標(biāo)下一時刻的狀態(tài)。5． 其他同志對本研究所做的貢獻(xiàn)均已在論文中作了聲明并表示了謝意。3． 本論文中除引文外，所有實驗、數(shù)據(jù)和有關(guān)材料均是真實的。畢業(yè)論文（設(shè)計） 題 目 基于卡爾曼濾波目標(biāo)跟蹤算法的研究 學(xué)生姓名 曾玉潔 學(xué) 號 20111305037 院 系 電子與信息工程學(xué)院 專 業(yè) 電子信息工程 指導(dǎo)教師 張艷艷　　　　　　　　　　　　　　二Ｏ一五 年 五 月 二十八 聲 明本人鄭重聲明：1． 持以“求實、創(chuàng)新”的科學(xué)精神從事研究工作。2． 本論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作和取得的研究成果。4． 本論文中除引文和致謝的內(nèi)容外，沒有抄襲其他 人或其他機(jī)構(gòu)已經(jīng)發(fā)表或撰寫過的研究成果。 作者簽名： 日 期： 目 錄第1章 緒論 1 1 1 2 3第2章 運(yùn)動目標(biāo)檢測 3 3 3 5 6 腐蝕 7 膨脹 8 9 10第3章 基于卡爾曼濾波的跟蹤算法 10 11 11 11 12 12 狀態(tài)轉(zhuǎn)移矩陣和觀測矩陣 13 13 14 15第4章 基于卡爾曼濾波的目標(biāo)跟蹤 15 15 15 15 15 15 16 16 多目標(biāo)跟蹤 19 本章小結(jié) 22第5章 結(jié)論 22致 謝 25 基于卡爾曼濾波目標(biāo)跟蹤算法的研究曾玉潔南京信息工程大學(xué)電子與信息工程學(xué)院，江蘇 南京 210044摘要：本論文先借助Kalman濾波算法來建立數(shù)學(xué)模型，然后使用Matlab語言來實現(xiàn)動態(tài)目標(biāo)的跟蹤實驗?？柭鼮V波的遞推過程簡而言之概括為，將前一時刻對當(dāng)前時刻目標(biāo)狀態(tài)的估計值和當(dāng)前時刻的觀測數(shù)據(jù)來得到當(dāng)前時刻的最優(yōu)估計值，再對下一時刻的運(yùn)動狀態(tài)進(jìn)行預(yù)測，以此循環(huán)，達(dá)到及時準(zhǔn)確跟蹤的效果。在這三個條件不充分的情況下，卡爾曼濾波可以正常發(fā)揮作用，但是會暴露其劣勢。 Information Engineering，NUIST，Nanjing 210044，ChinaAbstract： In this thesis ，At first ,we use Kalman filter algorithm to build mathematical model， and then use the Matlab language to realize the dynamic target tracking experiment. the key of estimating tracking tar