【正文】 向以及運(yùn)動(dòng)速度，根據(jù)當(dāng)前圖像包含的運(yùn)動(dòng)信息估測(cè)出目標(biāo)的運(yùn)動(dòng)趨勢(shì)和運(yùn)動(dòng)軌跡。 運(yùn)動(dòng)圖像的分析檢測(cè)場(chǎng)景中是否存在運(yùn)動(dòng)目標(biāo)。第五章， 對(duì)課題進(jìn)行總結(jié)。第三章， 論文課題的目標(biāo)檢測(cè)環(huán)節(jié)，主要闡述了運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤中的檢測(cè)部分，簡(jiǎn)述了兩種方法——背景差分法和幀間差分法，并把兩種方法結(jié)合起來改進(jìn)實(shí)現(xiàn)了對(duì)目標(biāo)的檢測(cè)。具體章節(jié)分配如下：第一章， 緒論部分，敘述課題研究的背景及現(xiàn)狀，以及存在的問題。本設(shè)計(jì)把運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤分為兩個(gè)部分即目標(biāo)的實(shí)時(shí)檢測(cè)和目標(biāo)的實(shí)時(shí)跟蹤來分析，目標(biāo)檢測(cè)部分分為靜止背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)和動(dòng)態(tài)背景下的目標(biāo)檢測(cè)，靜態(tài)目標(biāo)檢測(cè)方法有：幀間差分法、背景相減法、塊匹配法和光流法等，本文主要簡(jiǎn)述了背景差分法和幀間差分法，并把兩種方法結(jié)合起來改進(jìn)實(shí)現(xiàn)了對(duì)目標(biāo)的檢測(cè)。這就導(dǎo)致目標(biāo)跟蹤實(shí)時(shí)性和準(zhǔn)確性不可能同時(shí)達(dá)到最大，運(yùn)動(dòng)目標(biāo)跟蹤必然平衡好兩者。就實(shí)時(shí)性來講，由于圖像處理的數(shù)據(jù)十分龐大，運(yùn)算量大，既使CPU處理速度不斷提高，目前來說，也沒有合適的算法達(dá)到實(shí)時(shí)跟蹤的要求。l 難以選取運(yùn)動(dòng)目標(biāo)特征動(dòng)態(tài)圖像序列包含大量信息，這些信息都可用與目標(biāo)檢測(cè)跟蹤，但由于這些信息非常龐雜，所以提取那些信息作為運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤的特征也需要認(rèn)真研究，需要根據(jù)運(yùn)動(dòng)的具體情況來選擇，很難說有一種普遍的實(shí)用的運(yùn)動(dòng)特征用于目標(biāo)檢測(cè)跟蹤。運(yùn)用數(shù)字圖像處理的方法進(jìn)行目標(biāo)檢測(cè)跟蹤的困難主要在一下幾個(gè)方面:l 環(huán)境復(fù)雜實(shí)際的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤系統(tǒng)所處的環(huán)境不同，背景復(fù)雜，檢測(cè)跟蹤的穩(wěn)定性和準(zhǔn)確性就會(huì)受到諸多因素的影響。目前用于目標(biāo)跟蹤的方法有很多，如基于濾波理論的目標(biāo)跟蹤算法、Mean Shift目標(biāo)跟蹤算法、偏微分方程算法等等。他們各有優(yōu)缺點(diǎn)。第二，圖像分割和目標(biāo)的檢測(cè)技術(shù)，在復(fù)雜的場(chǎng)景中利用圖像分割技術(shù)從圖像中檢測(cè)出可能的運(yùn)動(dòng)目標(biāo)。第一，圖像的預(yù)處理技術(shù)，主要目的是消除或消減背景自身運(yùn)動(dòng)、光照變化、噪聲等條件對(duì)目標(biāo)檢測(cè)與跟蹤的影響。隨著研究的加深和技術(shù)的成熟，我國(guó)在視頻監(jiān)控、交通管理、醫(yī)療診斷、導(dǎo)彈制導(dǎo)、雷達(dá)預(yù)警、工業(yè)生產(chǎn)等領(lǐng)域有了很多的研究成果。中科院自動(dòng)化研究所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室分別于2002年和2003年召開了“第一屆全國(guó)智能視頻監(jiān)控會(huì)議”和“第二屆全國(guó)智能視頻監(jiān)控會(huì)議”。但我國(guó)的圖像處理技術(shù)、運(yùn)動(dòng)目標(biāo)識(shí)別跟蹤技術(shù)正在穩(wěn)步發(fā)展。隨著激光技術(shù)、紅外技術(shù)和電視技術(shù)進(jìn)一步成熟，以及成像技術(shù)、數(shù)字圖象處理技術(shù)、跟蹤算法和濾波技術(shù)的研究，各種研究成果相繼問世。美國(guó)康奈爾大學(xué)的實(shí)驗(yàn)室研制完成一套航拍視頻檢測(cè)跟蹤系統(tǒng)，針對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)不穩(wěn)定以及目標(biāo)被遮擋問題，能夠?qū)Χ嗄繕?biāo)實(shí)施準(zhǔn)確實(shí)時(shí)跟蹤。20世紀(jì)80年代初期，多目標(biāo)跟蹤技術(shù)已經(jīng)研究成功，如1985年美國(guó)海軍的掩護(hù)船防御系統(tǒng)已經(jīng)實(shí)現(xiàn)對(duì)200多個(gè)目標(biāo)的跟蹤處理。 國(guó)內(nèi)外發(fā)展與研究現(xiàn)狀1974年，美國(guó)白沙導(dǎo)彈靶場(chǎng)聯(lián)合新墨西哥州立大學(xué)以及亞利桑那大學(xué)科學(xué)中心開始研制實(shí)時(shí)電視跟蹤系統(tǒng)。l 軍事國(guó)防目標(biāo)檢測(cè)跟蹤技術(shù)在軍事國(guó)防領(lǐng)域的應(yīng)用相當(dāng)廣泛。如車輛自動(dòng)駕駛，期望車輛能夠識(shí)別道路特征和路面情況，并作出相應(yīng)駕駛調(diào)整；如機(jī)器手的應(yīng)用，要求安裝機(jī)器手配備的攝像機(jī)拍攝目標(biāo)圖像，利用跟蹤技術(shù)計(jì)算目標(biāo)運(yùn)動(dòng)軌跡，做出最佳的動(dòng)作等。l 人工智能人工智能的研究越來越得到人們重視。在智能交通監(jiān)控系統(tǒng)中，期望系統(tǒng)能夠在不需要人的干預(yù)、或者很少干預(yù)的情況下，通過對(duì)攝像機(jī)拍錄的視頻序列進(jìn)行分析來實(shí)現(xiàn)相應(yīng)的需求。運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤在科技、生活等諸多領(lǐng)域有非常重要的研究?jī)r(jià)值，在視頻監(jiān)控、人工智能、醫(yī)學(xué)研究、軍事國(guó)防等諸多領(lǐng)域有廣泛的應(yīng)用。以動(dòng)態(tài)圖像序列為基礎(chǔ)的目標(biāo)檢測(cè)和跟蹤研究是成為目標(biāo)跟蹤領(lǐng)域的重要方向。序列圖像其實(shí)就是時(shí)間上保持連續(xù)的二維圖像。運(yùn)動(dòng)目標(biāo)位置的改變?cè)趫D像上的反映就是相鄰幀灰度的空間分布改變。動(dòng)態(tài)圖像序列由一組連續(xù)的圖像組成，它們具有一定的次序，并存在時(shí)間間隔關(guān)系。關(guān)鍵詞 數(shù)字圖像處理 運(yùn)動(dòng)目標(biāo)檢測(cè) 運(yùn)動(dòng)目標(biāo)跟蹤 AbstractIn recent years, with the development of information technology, image processing technology has been more widely used. Moving target detection and tracking of digital image processing part, has also bee the research focus of the theory and application of image processing technology. The basic characteristic of the dynamic image is grayscale changed. Reflection of the change of the moving target position on the image is the gray space between adjacent frames distribution of changes, of course, the existence of such circumstances, there is no target motion in the scene, but due to the change of light and other conditions, also caused adjacent frames gray value changes. This topic only ment on the problem of target detection and tracking of moving targets when the scene.This paper analysis the principle of moving target detection and tracking, programs to achieve the target detection and tracking. Moving target detection and tracking is divided into two parts, namely the goal of realtime detection and realtime tracking of the target analysis, target detection part is divided into moving target detection in static background and dynamic background of target detection, static object detection method: interframe difference method, background subtraction, block matching and optical flow method. Target tracking parts of the two methods were analyzed, a Mean shiftbased target tracking method, and the other is the focus of lawbased target tracking method. Experiments show that the above method can achieve detection and tracking of moving targets.Keywords: Digital image processing Moving target detectionMoving targets tracking目 錄摘要 IAbstract II1 緒論 1 課題研究背景與意義 1 國(guó)內(nèi)外發(fā)展與研究現(xiàn)狀 2 目標(biāo)檢測(cè)跟蹤存在的問題 3 主要研究?jī)?nèi)容與論文結(jié)構(gòu) 42 運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤基礎(chǔ) 5 運(yùn)動(dòng)圖像的分析 5 運(yùn)動(dòng)估計(jì) 5 運(yùn)動(dòng)目標(biāo)檢測(cè) 5 運(yùn)動(dòng)目標(biāo)分割 5 運(yùn)動(dòng)目標(biāo)跟蹤 5 運(yùn)動(dòng)的分類 5 運(yùn)動(dòng)的表達(dá) 5 矢量場(chǎng)表達(dá) 6 直方圖表達(dá) 6 運(yùn)動(dòng)軌跡的表達(dá) 73 運(yùn)動(dòng)目標(biāo)檢測(cè) 8 靜止背景下的運(yùn)動(dòng)目標(biāo)檢測(cè) 8 建立背景模型 9 檢測(cè)變化區(qū)域 9 檢測(cè)運(yùn)動(dòng)目標(biāo) 10 靜態(tài)背景目標(biāo)檢測(cè)你算法的實(shí)現(xiàn) 11 動(dòng)態(tài)背景下得運(yùn)動(dòng)目標(biāo)檢測(cè) 18 圖像配準(zhǔn) 18 差分相乘原理 18 基于差分相乘原理的運(yùn)動(dòng)目標(biāo)檢測(cè)算法實(shí)現(xiàn) 194 運(yùn)動(dòng)目標(biāo)跟蹤 24 基于Mean Shift的運(yùn)動(dòng)目標(biāo)跟蹤算法 24 基于Mean Shift的目標(biāo)跟蹤的基本原理 24 運(yùn)動(dòng)目標(biāo)跟蹤中的Mean Shift算法 25 Mean shift跟蹤算法的實(shí)現(xiàn) 28 基于形心法的目標(biāo)跟蹤算法 37 基本理論 37 算法實(shí)現(xiàn) 385 結(jié)論 41致謝 42參考文獻(xiàn) 431 緒 論 課題研究背景與意義近年來，隨著信息技術(shù)地發(fā)展，圖像處理技術(shù)越來越得到廣泛地應(yīng)用。目標(biāo)跟蹤部分對(duì)兩種方法進(jìn)行了分析，一種是基于Mean Shift的目標(biāo)跟蹤方法，另一種是基于形心法的目標(biāo)跟蹤方法。本設(shè)計(jì)主要是對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤原理進(jìn)行分析，并通過編程實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)與跟蹤。運(yùn)動(dòng)目標(biāo)位置的改變?cè)趫D像上的反映就是相鄰幀灰度的空間分布改變，當(dāng)然也存在這樣的情況，場(chǎng)景中沒有目標(biāo)運(yùn)動(dòng)，但由于光照等條件的改變，也引起了相鄰幀灰度值的改變。運(yùn)動(dòng)目標(biāo)檢測(cè)是指在視頻或圖像序列中把感興趣的并且運(yùn)動(dòng)著的目標(biāo)與背景和其他不感興趣的運(yùn)動(dòng)目標(biāo)進(jìn)行區(qū)分。本科生畢業(yè)設(shè)計(jì)（論文） 論 文 題 目： 目標(biāo)檢測(cè)與跟蹤技術(shù)研究及實(shí)現(xiàn) 摘 要近年來，隨著信息技術(shù)地發(fā)展，圖像處理技術(shù)越來越得到廣泛地應(yīng)用。運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是數(shù)字圖像處理重要部分，也成為圖像處理技術(shù)理論和應(yīng)用的研究熱點(diǎn)。動(dòng)態(tài)圖像的基本特征就是灰度發(fā)生了改變。本課題只分析目標(biāo)運(yùn)動(dòng)時(shí)的目標(biāo)檢測(cè)跟蹤問題。本文把運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤分為兩個(gè)部分即目標(biāo)的實(shí)時(shí)檢測(cè)和目標(biāo)的實(shí)時(shí)跟蹤來分析，目標(biāo)檢測(cè)部分分為靜止背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)和動(dòng)態(tài)背景下的目標(biāo)檢測(cè)，常用的檢測(cè)方法有：幀間差分法、背景相減法和光流法等。實(shí)驗(yàn)證明，通過以上方法能夠很好地實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤。運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是數(shù)字圖像處理重要部分，也成為圖像處理技術(shù)理論和應(yīng)用的研究熱點(diǎn)，其中動(dòng)態(tài)圖像序列的研究逐漸成為熱點(diǎn)。相比與靜態(tài)圖像，動(dòng)態(tài)圖像的基本特征就是灰度發(fā)生了改變。場(chǎng)景變化和景物運(yùn)動(dòng)在動(dòng)態(tài)圖像序列中顯示得非常清晰。相比與靜止圖像，圖像序列增加了時(shí)間這一變量，使得動(dòng)態(tài)圖像序列幀間存在一定的時(shí)間和空間上的對(duì)應(yīng)關(guān)系，這也導(dǎo)致我們可以利用動(dòng)態(tài)圖像序列更好地研究運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤過程。運(yùn)動(dòng)目標(biāo)檢測(cè)是指對(duì)動(dòng)態(tài)圖像序列運(yùn)用進(jìn)行數(shù)字圖像處理，除去背景，篩選出運(yùn)動(dòng)目標(biāo)和運(yùn)動(dòng)信息，并對(duì)其進(jìn)行分析，從而得到運(yùn)動(dòng)參數(shù)。l 視頻監(jiān)控視頻監(jiān)控系統(tǒng)主要應(yīng)用于對(duì)安全要求比較高的場(chǎng)所，諸如銀行、小區(qū)、超市、停車場(chǎng)、交通路口等。目前監(jiān)控系統(tǒng)沒有達(dá)到非常理想效果。期望機(jī)器通過裝配的攝像設(shè)備檢測(cè)環(huán)境，能夠?qū)崿F(xiàn)跟蹤和識(shí)別環(huán)境中的物體，并做出相應(yīng)動(dòng)作。l 醫(yī)療研究在醫(yī)學(xué)中，圖像診斷非常重要，其主要有兩個(gè)方面的應(yīng)用：一個(gè)是對(duì)圖像進(jìn)行一系列如增強(qiáng)、去噪等處理來幫助醫(yī)生更好地診斷疾病；第二個(gè)是利用對(duì)圖像進(jìn)行自動(dòng)分析處理，檢測(cè)識(shí)別出可疑區(qū)域，得出診斷結(jié)論。雷達(dá)、經(jīng)緯儀、無人機(jī)、導(dǎo)彈導(dǎo)航系統(tǒng)、導(dǎo)彈攔截系統(tǒng)、預(yù)警系統(tǒng)等等，這些技術(shù)的應(yīng)用都?xì)w功與目標(biāo)檢測(cè)跟蹤技術(shù)的進(jìn)步和發(fā)展。以求提高光電跟蹤測(cè)量?jī)x器的性能，并實(shí)現(xiàn)多目標(biāo)跟蹤。1997年，美國(guó)國(guó)防高級(jí)研究項(xiàng)目署設(shè)立關(guān)于視覺監(jiān)控的項(xiàng)目，主要研究用于戰(zhàn)場(chǎng)及普通民用場(chǎng)景進(jìn)行監(jiān)控的自動(dòng)視頻理解技術(shù)。2005年，一套名為COCOA的系統(tǒng)在美國(guó)中央佛羅里達(dá)大學(xué)研制完成，專門用于對(duì)無人機(jī)低空飛行航拍獲得的圖像序列進(jìn)行目標(biāo)檢測(cè)跟蹤。國(guó)內(nèi)的目標(biāo)檢測(cè)跟蹤起步比較晚，相對(duì)國(guó)外還有一定的差距。如中科院自動(dòng)化研究所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室(NLPR)視覺監(jiān)控組等許多科研機(jī)構(gòu)都對(duì)該領(lǐng)域作了大量的研究。全國(guó)的許多大學(xué)和研究所也都投入到目標(biāo)檢測(cè)跟蹤和視頻監(jiān)控的研究當(dāng)中。目前運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)的研究主要設(shè)計(jì)以下幾個(gè)關(guān)鍵的技術(shù)。目前國(guó)內(nèi)外使用比較多的方法有：基于圖像塊方法、基于像素點(diǎn)灰度的方法和基于特征的運(yùn)動(dòng)目標(biāo)估計(jì)方法以及基于頻域相位信息的方法等。目前國(guó)內(nèi)外主要運(yùn)用的方法有：幀間差分法、背景差分法、光流場(chǎng)法以及塊匹配方法等。第三，目標(biāo)特征提取和目標(biāo)跟蹤技術(shù)，從檢測(cè)出的目標(biāo)中提取出可識(shí)別的特征，用于后續(xù)圖像序列中目標(biāo)的跟蹤。 目標(biāo)檢測(cè)跟蹤存在的問題目前，目標(biāo)檢測(cè)跟蹤技術(shù)存在的問題主要是由于實(shí)際背景環(huán)境的復(fù)雜性、目標(biāo)運(yùn)動(dòng)的復(fù)雜性和視頻圖像復(fù)雜性造成的。這些因素主要包括:背景變動(dòng)、光照變化、陰影和物體遮擋以及目標(biāo)運(yùn)動(dòng)不穩(wěn)定等。l 難以掌握實(shí)時(shí)性和準(zhǔn)確性的平衡運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤要求很高的實(shí)時(shí)性和準(zhǔn)確性。而就目標(biāo)檢測(cè)和跟蹤的準(zhǔn)確性來講，高準(zhǔn)確性是建立在大量復(fù)雜運(yùn)算處理的基礎(chǔ)上的。 主要研究?jī)?nèi)容與論文結(jié)構(gòu)本設(shè)計(jì)主要是對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤原理進(jìn)行分析，并通過在VC++編程實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)與跟蹤。目標(biāo)跟蹤部分對(duì)兩種方法進(jìn)行了分析，一種是基于Mean Shift的目標(biāo)跟蹤方法，另一種是基于形心法的目標(biāo)跟蹤方法。第二章， 主要介紹課題需要用到的基本知識(shí)，包括運(yùn)動(dòng)圖像分析、運(yùn)動(dòng)的分類和表達(dá)。第四章， 論述課題的目標(biāo)跟蹤環(huán)節(jié)主要闡述了運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤中的跟蹤部分，簡(jiǎn)述了兩種方法——Mean Shift算法和形心跟蹤算法，以及他們的應(yīng)用和實(shí)現(xiàn)。2 運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤基礎(chǔ)運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤與工程應(yīng)用結(jié)合緊密，涉及很多運(yùn)動(dòng)圖像處理的知識(shí)，首先介紹一