运动目标跟踪技术总结.docVIP

运动目标跟踪技术总结 　　摘 要：运动目标跟踪是一个颇具挑战性的问题，文章对当前运动目标跟踪问题的相关方法进行分析研究。首先从一个崭新的角度提出了一套分析运动目标跟踪技术的体系结构方法。然后采用这种体系结构对列举的每种跟踪算法方案进行阐述和归类，指出了每种方案适用范围及其局限性。最后针对研究过程中所面临的难题，展望了运动目标跟踪技术新的发展趋势。 　　关键词：运动目标跟踪；特征模板提取；跟踪算法框架；运动目标预测 　　绪论 　　运动目标跟踪是一门多学科交叉的技术，是计算机视觉领域的一个重要课题，它综合应用了图像处理、模式识别、自动控制、人工智能等学科的理论知识。运动目标跟踪，是指给定一段视频序列，在该视频序列的每帧图像中实时地找到感兴趣的运动目标，并评估其运动轨迹。一般来说，典型的目标跟踪系统一般包含的四个过程[1]：目标初始化，特征模版表示，相似性度量和运动估计，进行目标定位。运动目标跟踪问题的难点如：目标本身特征的多样性和不稳定性、外部环境的复杂多变性、目标之间的遮挡等。解决跟踪问题的关键点在于：完整地分割目标、有效地表示目标和准确识别目标。 　　通过对于大量目标跟踪领域文献的阅读，可以分析出之前较多的目标跟踪综述文献[1][2][3]主要是从特征模版表示或不同跟踪算法等角度对跟踪进行分类，但是对于读者对整个跟踪系统框架把握不清。文章根据目标跟踪系统中实现过程，从一种新颖角度总结出一般的目标跟踪方法体系结构分为以下三个部分：（1）运动目标的特征选取和表示；（2）运动目标跟踪常用算法框架；（3）运动目标预测算法。 　　目标跟踪算法一般的都不会超出这三个部分。分别从这三个部分进行跟踪算法的分析研究，第一考虑选取不同的目标特征，如颜色、纹理、形状等；根据选择目标特征，运用合理的目标表示方法，如颜色直方图，纹理直方图、轮廓特征模板等；第二，选择一种或几种适合的跟踪算法框架。第三，采用目标跟踪预测的方法更加合理准确的找到目标。我们结合目标跟踪领域提出的许多方法，论述了三个部分如何有机组合实现有效的运动目标跟踪。此外，文中所列举的大量跟踪方法实例都可以从以上三个部分进行归类，这将有助于相关领域的研究人员清晰的把握目标跟踪技术脉络，让研究人员尽快的从以上三个方面进行深入研究，并提出相应改进和创新方法。 　　1 运动目标特征提取 　　1.1 目标特征 　　特征是一个物体具有可靠性、独立性、且可区别于其他物体的属性，一个运动目标一般具有很多特征，充分的了解这些特征将有助于提高解决运动目标跟踪问题的效率和准确性。一般来讲，常见的运动目标的特征包括：颜色、纹理、边缘、运动等如何根据特定的场景选择合适的目标特征，成为影响跟踪效果好坏的重要因素。希望通过有效特征选取，来区分感兴趣运动目标和场景中其他运动目标。例如，在足球比赛中，对特定某个运动员跟踪，而选择了不恰当的特征，例如形状，接下来在运动员遮挡的时候，就很难正确跟踪了。对于特定场景的应用，特征的选择十分重要，因而作为跟踪方法结构的第一部分，文章所举出的是基本的视觉目标特征，研究人员也可以采用或设计一些新的视觉特征来更好实习目标的跟踪。 　　1.2 目标特征提取 　　目标特征提取，是指使用运动目标的某些显著特征表示目标。也可将其分解为两个部分视觉表征和统计模型。视觉表征目标是采用各种不同的视觉特征构建鲁棒的目标描述。统计模型是采用统计学习的方法建立有效的分辨目标的数学模型。 　　在运动目标跟踪过程的开始阶段，首先要选择感兴趣的跟踪目标，通过图像分割或人为框选得到覆盖整个目标的区域（该区域比目标稍大，可以是矩形或椭圆形），然后采用目标的某些特征来有效地表示该运动目标。实际中的运动目标往往具有很多特征，如果将其所有特征都记录下来，就需要计算机花大量时间计算，从而满足不了要求实时性的跟踪。所以，不需要考虑运动目标的全部特征，而只需要利用一些显著特征即可，所提取的特征应尽量做到计算简单，以便快速识别。另外，选用的特征应尽量具有相对稳定性，即对图像的旋转、平移、尺度变化、光照条件变化等不敏感，从而减轻外部环境对跟踪效果的影响。 　　在处理跟踪问题时，跟踪系统将要跟踪的运动目标用其显著特征表示，计算机处理这个“表示”的过程是将目标的显著特征数据从高维的原始特征空间，通过映射变换到低维空间，形成简化计算量的可供计算机理解的数据，同时计算机认为该特征数据即为运动目标的特征模板，即计算机“认识”了要跟踪的目标。计算机将运动目标用其模板表示的目的是为后续的跟踪工作做准备。常用的目标模板包括：颜色直方图、灰度共生矩阵、纹理直方图等（图1a）。在实际应用中，上述这些模板可以进行适当的改进以提高跟踪的鲁棒性。 　　2 跟踪算法框架 　　2.1 目标特征模版更新 　　我们可以比较容易的提取