运动目标的跟踪方法研究.docVIP

有视频图像信息的运动目标跟踪方法 文档定制的目的 主要内容 一、运动目标跟踪的概念 2 二、目标跟踪方法 2 2.1、基于特征的跟踪方法 2 2.2、基于模型的跟踪方法 2 2.3、基于区域的跟踪方法 3 2.4、基于活动轮廓的跟踪方法 3 2.5、基于预测的跟踪方法 3 三、卡尔曼滤波算法 4 3.1、卡尔曼滤波理论 4 3.2、目标跟踪中的卡尔曼滤波 5 3.3、应用 6 四、小结 6 备注基于知识辅助的多目标跟踪技术研究…………………….电子科技大学 基于卡尔曼滤波的多目标检测与跟踪（EI） 武汉理工 一、运动目标跟踪的概念 运动目标的跟踪一般分为两类：有视频图像信息的目标跟踪（智能监控）和无视频图像信息的目标跟踪（又叫传感器目标跟踪）。还有基于雷达的目标检测。 视频图像跟踪是根据采集到的一系列连续的图像，通过比较，确定同一目标在不同图像的位置，从而跟踪这一目标得到移动目标的。 而传感器目标跟踪通过无线传感器网络的节点检测目标的一些状态信息，例如位置信息和速度信息等。 视频图像中运动目标的跟踪是智能视频监控领域中的一个重要问题。在智能 视频监控中，跟踪运动目标不仅可以提供被监控目标的运动状态和运动轨迹，也 为运动分析、场景理解、事件检测及活动或行为检测提供可靠的数据。目标跟踪可以视为确定图像特征在帧间关于位置、形状、以及颜色等的一致性相关关系。现有目标跟踪方法可以分为基于特征、基于模型、基于区域、基于活动轮廓和基于预测的方法。 二、目标跟踪方法 2.1、基于特征的跟踪方法 基于特征的跟踪方法基本思想是:采用目标上可区分的点、线等子特征来实现跟踪任务。其优点在于即使目标的某一部分被遮挡，只要还有一部分特征可以被看到，就可以完成跟踪任务，另外，这种方法与预测跟踪方法结合使用，也具有很好的跟踪效果。其难点是对某个运动目标，如何确定它的唯一特征集，若采用特征过多，系统效率将降低，且容易产生错误。一般需要目标的形状、纹理、颜色和边缘特征。 2.2、基于模型的跟踪方法 基于模型的跟踪算法通过匹配目标模型来跟踪目标，该目标模型由训练阶段的图像数据学习得到。对人进行跟踪时，通常有三种形式的模型，即线图模型，2D模型和3D模型。但是对于车辆的跟踪多运用3D模型进行跟踪。这种方法具有处理遮挡和获得更重要的行为分析的数据的能力，但是行为分析的精度取决于模型的精度，在现实生活中要获得所有运动目标的精确模型是非常困难的，并且基于3D模型的跟踪算法往往需要大量的运算时间，很难实现实时的运动目标跟踪。 2.3、基于区域的跟踪方法 其基本思想是:首先得到包含目标的模版，该模版通过图像分割获得或是预先人为确定，模版通常为略大于目标的矩形，也可以为不规则的形状，然后在序列图像中，运用相关算法跟踪目标，对于灰度图像采用基于纹理和特征的相关；对彩色图像可以利用基于颜色的相关。 该方法在目标未被遮挡的情况下，可以实现精确、稳定的跟踪，但是当存在较大遮挡或目标变形较大时，通常会导致目标的丢失，并且其模版的初始化对先验信息依赖较强。 2.4、基于活动轮廓的跟踪方法 基于活动轮廓的跟踪是利用封闭的曲线轮廓来表达运动目标，并且该轮廓能够自动连续地更新。与基于区域的跟踪方法相比，基于活动轮廓的跟踪方法降低了计算的复杂度，但是初始化很困难。基于活动轮廓的跟踪方法主要依据目标的外形轮廓进行跟踪，轮廓描述正确与否决定了跟踪的精度，该方法对于初始化很敏感，因此很难自动启动跟踪，运用较少。 2.5、基于预测的跟踪方法 卡尔曼滤波（kalman filtering）和粒子滤波（particle filtering）是常用的基于预测跟踪放法，它们主要依靠状态方程(2.1)和观测方程(2.2)。 (2.1) (2.2) 其中为状态矢量，为观测矢量，和分别为状态噪声和观测噪声，和分别为相应的映射函数。实际应用中，通常仅包含运动目标的位置，而涉及运动目标的位置和速度。 三、卡尔曼滤波算法 3.1、卡尔曼滤波理论 卡尔曼滤波在目标跟踪中应用得非常多。卡尔曼滤波方法一个强大的优势就是大大减少了数据的存储量和计算量，它不需要存储过去的历史观测数据，只需要存储当前的前一刻的数据就可以了。当观测到新的数据后，只需要根据观测的当前数据和它前一刻的估计值，然后借助于信号的状态转移方程，按照递推公式，就可以推算出新的估计量。因此，当观测时间不断增加时，这种滤波算法能够实时的跟随新的形式，而且还能在很大程度上降低了计算机的计算量及存储量，使信号更容易得到实时的处理。也正是因为卡尔曼滤波克服了经典滤波方法的主要缺点，所以它被成功地应用于空间技术和飞行器的导航与定位