行人跟踪专利技术分析.docVIP

行人跟踪专利技术分析 　　【摘要】目标跟踪就是对一段视频序列中的每幅图像去寻找与目标模板最相似的运动目标，根据跟踪方法的不同，大致可分为基于滤波理论的目标跟踪方法，基于均值漂移的目标跟踪方法和基于偏微分方程的目标跟踪方法；作为目标跟踪的一个重要方向，行人跟踪技术在家居服务机器人、智能监控，智能交通，辅助驾驶等方面有着广泛的应用前景。与普通的物体跟踪相比，行人的非刚体性和多样性等特点大大提高了有效跟踪行人的难度。 　　【关键字】行人跟踪 目标跟踪 软件平台 硬件平台 　　一、引言 　　在计算机视觉领域中，行人跟踪是目标跟踪的一个重要研究热点，其主要利用目标的有效特征，使用适当的匹配算法，在图像序列中寻找与模板最相似候选目标的位置，在目标跟踪中主要的工作就是选择好的目标特征和采用适用的搜索算法。 　　目前人们在运动目标跟踪领域已经做了很多深入地研究和探索，并且提出了多种用于跟踪的算法。行人跟踪并不是孤立存在的，它与行为分析、姿态估计、场景分割等问题息息相关，因此具有极高的科研价值和商业价值。 　　二、行人跟踪技术发展趋势 　　如图1所示，早在2006年开始就已经出现了行人跟踪技术的研究。2006-2010年之间的申请量保持平稳发展，每年的申请量没有太大变动，2011-2013年的申请量逐步提高，且每一年较前一年的申请量都有很大的提高。 　　三、行人跟踪技术解析 　　常见的行人跟踪方法可分为基于软件平台的行人跟踪方法和基于硬件平台的行人跟踪方法。 　　3.1基于软件平台的行人跟踪方法 　　其与基于硬件平台的行人跟踪方法相比，实现比较简单，在一定程度上提升了跟踪算法的性能，因此在国内也占据一定的申请量。 　　如南京大学的专利CN201110045978挖掘SIFT特征信息用于调整Mean-shift算法中核函数的带宽和方向，实现对运动目标的多自由度联合跟踪，天津大学的专利CN201210146627采用基于快速鲁棒特征匹配的仿射运动目标跟踪算法，以实现在复杂背景下对仿射运动目标的实时稳健跟踪，河海大学的专利CN201510357521将Kalman预测和Mean-shift算法融合，解决了Mean-shift算法跟踪窗口固定不变和Kalman预测对目标粘连敏感的技术问题。 　　3.2基于硬件平台的行人跟踪方法 　　基于硬件平台的行人跟踪方法与其他方法相比占绝对性的优势，是最近几年高校和科研院所所研究的重点，同时也是公司企业发展的方向。 　　如中国科学院长春光学精密机械与物理研究所的专利CN201010615552利用FPGA并行运算效率高的特点，提出了改进的快速均值偏移算法使其满足DSP的运算速度要求，西安交通大学的专利CN200810017899提供一种基于FPGA实现的运动目标识别与跟踪方法，具有高效的前端视觉处理能力，成都三泰电子实业股份有限公司的专利CN201010121006提供一种快速、易于实现的基于DSP的目标检测与跟踪方法，以及实现方法的数字图像处理系统。 　　四、结束语 　　通过对专利的分析可知基于硬件平台的行人跟踪方法由于实现比较困难在实际应用中的运用并不多，但由于其实时性较高，如何在不提高目标跟踪算法复杂性的前提下用硬件平台实现目标跟踪算法是未来的发展趋势。 3