【正文】 于5176。而且所需要的圖像特征并不需要通過圖像預(yù)處理，也就不需要承擔(dān)這個(gè)過程所帶來的誤差。理論上來說就是在搜索區(qū)域移動(dòng)一個(gè)固定大小的窗口，平移的過程就是記錄窗口中所包含的圖像內(nèi)容的過程，每平移一次，就計(jì)算一次窗口當(dāng)前包含的內(nèi)容與模板的相似度并記錄，然后比較得出最大的那個(gè)相似度，然后得到所需要的結(jié)果。大致來說，根據(jù)所依賴的特征的不同，該算法分為兩大類，基于灰度以及基于幾何。而能夠在圖像信號中自動(dòng)識別出目標(biāo)，并且提取目標(biāo)位置等信息，然后能自動(dòng)跟蹤目標(biāo)運(yùn)動(dòng)的技術(shù)，稱為目標(biāo)跟蹤技術(shù)。比如，巡航導(dǎo)彈制導(dǎo)中，飛行器就是通過已經(jīng)儲(chǔ)存在它的計(jì)算機(jī)中的目標(biāo)位置的模板，在其搜索圖像中，也就是飛行器在飛行過程中所攝取的地面圖像中，利用模板匹配技術(shù)，找到目標(biāo)位置，然后進(jìn)行摧毀。而根據(jù)該技術(shù)在應(yīng)用過程中本身所獲取的信息的異同，可以分為兩種情況：一種是比較兩幅圖像的異同，這兩幅圖像可能是來自不同的圖像攝入源也可能是來自通一個(gè)圖像攝入源頭的不同過的拍攝角度，通過比較確定它們之間存在的聯(lián)系，為技術(shù)處理的下一步做相應(yīng)的就緒準(zhǔn)備；第二種是已有信息是給定的模板，在相對于模板來說更大的范圍中即為搜索圖像中找到模板中物體的方位。換句話說就是通過匹配的程度來跟蹤已知特征的物體。另一方面，在處理目標(biāo)平移運(yùn)動(dòng)性能、對圖像噪聲處理以及結(jié)果與旋轉(zhuǎn)尺度的相關(guān)性方面，基于圖像匹配方法處理的更好，它的劣勢是復(fù)雜背景時(shí)目標(biāo)遮擋處理不夠理想。兩種方法各有優(yōu)勢。錯(cuò)綜復(fù)雜的數(shù)據(jù)的模糊性和不確定性是對目標(biāo)跟蹤技術(shù)的要求越來越高的原因。而其關(guān)鍵在于精確的分割、提取和識別。每種跟蹤系統(tǒng)的側(cè)重點(diǎn)都是不同的，有些側(cè)重于對象表示而非目標(biāo)的動(dòng)態(tài)變化，比如公共場所的面部跟蹤；有些目標(biāo)的運(yùn)動(dòng)和攝像機(jī)本身的運(yùn)動(dòng)，比如空中視頻監(jiān)控系統(tǒng)。顯然，這兩個(gè)部分是分工合作的，目標(biāo)表示和目標(biāo)定位自下而上處理表面變化，而信息的過濾和數(shù)據(jù)關(guān)聯(lián)自上而下處理目標(biāo)動(dòng)態(tài)變化。 rotation matching；Object trackingII第一章 緒論 研究背景伴隨著信息技術(shù)的發(fā)展，軍事、航空、工程、航天等與計(jì)算機(jī)息息相關(guān)的領(lǐng)域也有了巨大的發(fā)展和進(jìn)步，談到這些領(lǐng)域，自然就會(huì)想到圖像目標(biāo)跟蹤技術(shù)——計(jì)算機(jī)圖像處理技術(shù)與計(jì)算機(jī)視覺技術(shù)的重要組成部分之一。 OpenCV。在Visual studio 2008開發(fā)環(huán)境下結(jié)合MFC和開源計(jì)算機(jī)視覺庫（Open Computer Vision，OpenCV）用程序語言實(shí)現(xiàn)基于模板匹配的目標(biāo)跟蹤算法，并在圖像序列上對模板匹配跟蹤算法在降低復(fù)雜度和抗目標(biāo)旋轉(zhuǎn)方面的有效性進(jìn)行了驗(yàn)證。 南華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院畢業(yè)設(shè)計(jì)（論文）計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院畢業(yè)設(shè)計(jì)(論文)論文題目基于模板匹配的目標(biāo)跟蹤技術(shù)研究與實(shí)現(xiàn) 指導(dǎo)教師職 稱講師學(xué)生姓名學(xué) 號專 業(yè)網(wǎng)絡(luò)工程班 級系 主 任院 長起止時(shí)間目 錄第一章 緒論 1 1 研究背景 1 研究意義 2 發(fā)展和研究現(xiàn)狀 3 基于灰度信息的模板匹配算法 3 4 本章小結(jié) 5第二章 OpenCV視覺庫簡介 6 OpenCV簡介 6 OpenCV關(guān)鍵技術(shù)介紹 6 OpenCV 命名規(guī)則 7 OpenCV 的基本數(shù)據(jù)類型 8 OpenCV圖像/視頻處理流程 10 OpenCV 圖像處理流程 10 OpenCV 視頻處理流程 12 本章小結(jié) 13第三章 模板匹配 14 14 14 模板匹配算法簡要框圖 15 相似性度量 16 17 19第四章 基于模板匹配的目標(biāo)跟蹤 20 20 評判算法的標(biāo)準(zhǔn) 22 模板匹配跟蹤算法缺陷 23 24 算法加速 24 角度匹配 25 位置角度匹配算法 26 操作界面介紹以及實(shí)驗(yàn)結(jié)果分析 27 27 31 32總結(jié) 33參考文獻(xiàn) 34謝 辭 36基于模板匹配的目標(biāo)跟蹤技術(shù)研究與實(shí)現(xiàn) 摘要：視頻目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域中一個(gè)非常活躍的研究領(lǐng)域，近年來已經(jīng)逐漸成為學(xué)者們研究的熱點(diǎn)。本文主要對模板匹配算法在目標(biāo)跟蹤領(lǐng)域中的應(yīng)用進(jìn)行研究，并對跟模板匹配目標(biāo)跟蹤相關(guān)的一些技術(shù)問題進(jìn)行了深入的探討。 關(guān)鍵詞：Visual studio 2008；OpenCV；模板匹配；角度旋轉(zhuǎn)匹配；目標(biāo)跟蹤I Design and Implementation of Template matching and tracking by using OPENCVAbstract: Video object tracking is a very active field of research in the field of puter vision, in recent years has gradually bee the focus of the researchers. This paper mainly studies the matching algorithm in the field of target tracking on the template, and the template matching target tracking with some related technology problems are discussed. The bination of MFC and opensource puter vision library in Visual studio2008 development environment (Open Computer Vision, OpenCV) tracking algorithm for template matching based object language, and matching tracking algorithm is verified effective in lowering the plexity and anti rotation target template in image sequences.Key words: Visual studio 2008。 template matching。一般情況下，目標(biāo)表示和目標(biāo)定位、信息的過濾和數(shù)據(jù)關(guān)聯(lián)兩個(gè)部分就能夠構(gòu)成一個(gè)典型的目標(biāo)跟蹤系統(tǒng)。系統(tǒng)的穩(wěn)定和有效性跟這兩個(gè)獨(dú)立的部分直接相關(guān)。怎樣在現(xiàn)實(shí)中很多更復(fù)雜的場景中讓兩者結(jié)合更好的結(jié)合是我們需要研究的重要課題。同時(shí)，完成算法所需要的時(shí)間也是需要納入考慮因素中的?；谶\(yùn)動(dòng)分析方法與基于圖像匹配方法是目前目標(biāo)跟蹤方法的兩大類。運(yùn)算速度快、易于硬件實(shí)現(xiàn)是基于運(yùn)動(dòng)分析方法的優(yōu)點(diǎn)。模板匹配，顧名思義，是獲得固定或者變化的模板之后，經(jīng)過一定的公式計(jì)算相似度，然后對比相似度的大小，在所搜尋的場景或者圖像中找到物體的方位以及旋轉(zhuǎn)角度。作為一個(gè)當(dāng)代信息社會(huì)的關(guān)鍵計(jì)算機(jī)圖像處理技術(shù)，模板匹配可以應(yīng)用的領(lǐng)域很多，所以自然會(huì)成為這些年來學(xué)者們所研究的熱點(diǎn)。目前這項(xiàng)技術(shù)已經(jīng)在醫(yī)學(xué)、軍事等領(lǐng)域有了關(guān)鍵應(yīng)用。 研究意義目標(biāo)跟蹤，就是運(yùn)用各種手段實(shí)現(xiàn)主體對其關(guān)注的運(yùn)動(dòng)客體之狀態(tài)建模、估計(jì)以及跟蹤等的過程。雖然很早學(xué)者們就提出了基于模板匹配的圖像搜索，但由于機(jī)器的落后，數(shù)據(jù)處理的速度以及方法的問題等等，一直到七八十年代該技術(shù)才開始步入正軌?；诨叶鹊乃惴ㄊ且阅０迮c搜索圖像的灰度的相關(guān)系數(shù)作為判定標(biāo)準(zhǔn)，來判斷模板中的物體是否在所搜索的圖像中，同時(shí)確定該物體的位置。這種方法在實(shí)現(xiàn)過程不受較大干擾的時(shí)候，結(jié)果是比較精確的。但是這類算法的缺點(diǎn)也是顯而易見的，對外界的干擾，如光照、噪聲等沒有什么抵抗能力，同時(shí)對于縮放、旋轉(zhuǎn)了的圖像，處理起來也沒有讓人滿意的結(jié)果。時(shí)，此算法的運(yùn)行結(jié)果就會(huì)有很大的誤差。這種算法首先會(huì)要進(jìn)行圖像的預(yù)處理，比如提取圖像的邊緣信息等，然后把提取出的數(shù)據(jù)作為待匹配的向量，計(jì)算模板與所搜索區(qū)域的圖像的相似度。甚至存在被搜索圖像有被遮擋的地方的情況下，還是可以的到數(shù)據(jù)結(jié)果。但是可以處理復(fù)雜情況的算法相對于上一種算法來說，復(fù)雜度大，難度也大，耗費(fèi)的時(shí)間也更長。時(shí)代在不斷進(jìn)步，人們對于機(jī)器視覺的需求也在增加，而圖像數(shù)據(jù)像一個(gè)無邊無際的海洋，龐大到限制了模板匹配的發(fā)展，因而開發(fā)出一種高精度并且能夠滿足現(xiàn)代人們快速達(dá)到需求的高速的模板匹配算法具有很重要的現(xiàn)實(shí)意義。模板匹配算法由以下四個(gè)要素組成：第一，特征空間，即為用于進(jìn)行匹配時(shí)從模板中提取出的作為標(biāo)準(zhǔn)的信息。第三，搜索策略，即為在被搜索空間中如何選擇下一次匹配的過程?，F(xiàn)在已經(jīng)存在的模板匹配算法有很多種，主要都旨在提高算法的準(zhǔn)確度和速度。 基于灰度信息的模板匹配算法 基于灰度的模板匹配算法是在上個(gè)世紀(jì)的70年代在軍事領(lǐng)域中最先發(fā)展起來的，最先運(yùn)用于軍用的飛行器的導(dǎo)航系統(tǒng)中，由于發(fā)展的時(shí)間相對來說比較長，相關(guān)理論研究和技術(shù)已經(jīng)發(fā)展的比較純熟，學(xué)者們提出的算法也很多，其中有三個(gè)比較經(jīng)典，MAD 算法 、SSDA 序貫相似性算法以及NCC歸一化相關(guān)算法。然而這些算法在理論上來說雖然已經(jīng)發(fā)展的比較成熟，實(shí)際應(yīng)用中卻不然，由于精度和復(fù)雜度上的一些問題，很少被實(shí)際應(yīng)用。其中有顯著成效的是由Farhan Ullah 提出的將圖像的灰度信息進(jìn)行編碼然后再進(jìn)入到匹配過程的算法，該算法在計(jì)算速度上有了很大的提升，但是缺點(diǎn)也很明顯，只可以在矩形圖像中運(yùn)用，而且對于外界自然因素的干擾沒有什么抵抗力如光照，因而也很少在實(shí)際中應(yīng)用到。此類算法多種多樣，與數(shù)學(xué)數(shù)量的變換息息相關(guān)，如傅里葉變換，直方圖統(tǒng)計(jì)，KL變換，圖像距等。2000年的時(shí)候羅成平提出的KL 變換算法，主要利用多位正交變化函數(shù)上投影，獲得圖像統(tǒng)計(jì)性的特征。角點(diǎn)信息是基于幾何的匹配中應(yīng)用相對來說較為頻繁的一種，該信息所屬方法的基本依據(jù)是在模板和被搜索圖像中提取出角點(diǎn)，得