OPenCV视频跟踪系统设计.docVIP

基于OpenCV的视频跟踪系统设计开题报告 一、课题背景及研究意义 目标跟踪是计算机视觉的一个重要分支，日益广泛应用于科学技术，国防安全，航空，医药卫生以及国民经济等领域。实现目标跟踪的关键在于完整的分割目标，合理地提取特征和准确的识别目标。同时要考虑到算法实现的时间，以保证实时性。当视频图像中被跟踪的目标发生姿态变化，存在旋转或部分遮挡的时候，简单的灰度模板或者Hausdorff距离匹配一般很难达到实时跟踪的目标的要求，出现匹配失误或者跟踪丢失的情况，而且跟踪效率低。 正因如此，对运动目标的跟踪的研究很有意义。 二、国内外研究现状和发展综述 运动目标跟踪在国外取得了一定的研究成果，许多相关技术已经在国外应用到实际中，但是在国内还是相对落后。传统的视频跟踪目标提取大致分为两类，一类是以空间同性为准则，先用形态学滤波器或者其他滤波器对图像多预处理；然后再对该图像的亮度，色度和其他信息做空间上的分割以对区域做边缘检测，但是此类方法运算量较大。另一类算法主要是以时间变化检测作为准则，这类算法主要通过帧差检测图像上的变化区域和不变区域，将运动物体与静态背景进行分割。此类方法运算量小，但是提取结果不如前者。 三、课题目标 设计出一个基于OpenCV的实时视频跟踪系统 四、开发环境 Windows Xp系统、Vc++6.0编译器、OpenCV1.0开源计算机视觉库 五、开发人员 电子与通信工程：王龙 电子与通信工程：陆宗 六、预备知识 掌握数字图像处理和计算机视觉相关理论知识 精通C，C++编程语言 熟悉Opencv计算机开源视觉库 精通MFC界面设计 1.OpenCV简介 OpenCV是Open Source Computer Vision Library的全称是由Intel在1999年出资建立，现在由Willow Garage提供支持。它是一个由一系列C函数和少量的C++类构成的基于开源发行的跨平台计算机视觉库。OpenCV不仅实现了图像处理和计算机视觉方面的很多通用算法，提供了Python、Ruby、Matlab等语言的接口，而且还拥有了包括 300 多个C/C++函数的跨平台的中高层API。除此之外，OpenCV不依赖于其它的外部库，但是可以使用某些外部库。 与目前计算机视觉软件存在的代码慢、不稳定与其库不兼容、耗费高、依赖硬件的问题相比，OpenCV以实际应用为目的，通过优化的C代码提高执行速度，而且通过购买高性能多媒体库得到更快的处理速度，并且对硬件的独立性较强。 目前，OpenCV主要应用在人脸识别、物体识别、动作识别、人体识别、图像分割、人机互动、运动跟踪等领域。 1.基于对比度分析的方法 1.1算法思想：利用目标与背景在对比度上的差异来提取、识别和跟踪目标。 1.2分类：边缘跟踪，型心跟踪，质心跟踪。 1.3优缺点：不适合复杂背景中的目标跟踪，但在空中背景下目标跟踪非常有效。 2.基于特征匹配的目标跟踪算法 2.1 算法思想：该需要提取目标的特征，并在每一帧中寻找该特征。寻找的过程就是特征匹配过程。 2.2 目标跟踪中用到的特征主要有几何形状、子空间特征、外形轮廓和特征点等。其中，特征点是匹配算法中常用的特征。 2.3优缺点：特征点一般是稀疏的，携带的信息较少，可以通过集成前几帧的信息进行补偿。目标在运动过程中，其特征（如姿态、几何形状、灰度或颜色分布等）也随之变化。目标特征的变化具有随机性，这种随机变化可以采用统计数学的方法来描述。直方图是图像处理中天然的统计量，因此彩色和边缘方向直方图在跟踪算法中被广泛采用。 3.基于运动检测的目标跟踪算法 3.1基本思想：通过检测序列图像中目标和背景的不同运动来发现目标区域， 实现跟踪。 3.2光流法：光流算法是基于运动检测的目标跟踪的代表性算法。光流是空间运动物体在成像面上的像素运动的瞬时速度，光流矢量是图像平面坐标点上的灰度瞬时变化率。光流的计算利用图像序列中的像素灰度分布的时域变化和相关性来确定各自像素位置的运动， 研究图像灰度在时间上的变化与景象中物体结构及其运动的关系。将二维速度场与灰度相联系，引入光流约束方程，得到光流计算的基本算法。 3.3 优缺点：光流场的方法能够很好的用于二维运动估计，它也可以同时给出全局点的运动估计，但其本身还存在着一些问题：需要多次迭代，运算速度慢，不利于实时应用。 4.核方法 4.1算法思想：对相似度概率密度函数或后验概率密度函数采用直接连续估计。 4.2 Mean shift ：均值偏移法。采用彩色直方图作为匹配特征。Mean Shift 跟踪算法反复不断地把数据点朝向MeanShift 矢量方向进行移动，最终收敛到某个概率密度函数的极值点。在Mean Shift 跟踪算法中，相似度函数用于刻画目