视频中移动对象跟踪技术研究【文献综述】.docVIP

PAGE PAGE 1 毕业设计文献综述 计算机科学与技术 视频中移动对象跟踪技术研究 摘 要：视频中移动对象跟踪技术的研究是当前计算机视觉领域的一个热点问题，本文对这一问题研究现状进行了大量的文献阅读，并做了总结和展望。为了清楚地表达这一研究问题我引用了目前主流的划分方法进行相应的阐述。最后我提出了未来的移动对象跟踪技术的一个发展前景是人机交互。在某些时刻适当地让算法与人进行一定的交互来达到有效地处理复杂情景。 关键词：计算机视觉；目标跟踪；移动对象跟踪技术；人机交互； 一、视频中移动对象跟踪技术研究的意义 随着计算机技术的不断发展，计算能力得到了极大地提高，使得利用计算机实现人类的视觉功能成为目前计算机领域中最热门的课题之一[1]。视频中移动对象跟踪（简称目标跟踪）是计算机视觉领域的一个分支，它在视频监控、视频压缩与传输、电话会议、人机界面的应用中以及高技术武器装备方面都有重要的意义[2,15]。目前的一些目标跟踪算法中都有各自适用的情景，有些不能处理遮挡、速度突变、光线变化以及多目标干扰。 二、视频中移动对象跟踪技术的研究现状 1. 移动对象跟踪技术的基本原理 对于视觉跟踪问题的处理，总体上讲有两种思路[1]，一种称之为自底向上的处理方法；另一种称之为自顶向下的处理方法。文献[3,4]也给出了另外两种不同角度的划分。 （1）自底向上的处理方法 自底向上的处理方法又称之为基于运动分析的方法[3]，这种方法不依赖于先验知识，直接从图像序列中获得目标的运动信息并进行跟踪。在自底向上的视觉跟踪过程中，跟踪的目的是获得场景中运动目标的位置、速度、加速度、运动轨迹等信息，这相当于视觉过程中的后期阶段，为得到这些信息，在获得图像序列并对图像序列进行预处理之后，首先直接从图像序列中检测运动目标，这是早期阶段；检测到运动目标之后，提取出运动目标并进行识别，以判定是否跟踪，这相当于中期阶段；最后对该目标进行跟踪并获得运动目标的相关运动信息。上述过程按处理顺序共分为四步，第一步为图像预处理，一般对所获得的序列图像进行消噪或增强，提高图像质量以方便后续处理；第二步为目标检测，在摄像机不动情况下一般采用帧差法或背景差法进行变化检测以获取运动目标，此时得到的运动目标是一个斑点；第三步为目标分类，要完成两个任务，首先提取出检测到的运动目标，其次对该目标进行识别；最后在目标跟踪阶段获得运动目标的相关运动信息。该方法在摄像机静止情况下效果非常好，但如果摄像机是运动的，则实现运动目标检测与跟踪就比较困难，因此在很大程度上局限了该方法的使用范围。系统[14]也部分符合这个方法。 （2）自顶向下的处理方法 自顶向下思路利用先验知识对跟踪问题建立模型，然后利用实际图像序列验证模型的正确性，这种方法具有坚实的数学理论基础，有很多数学工具可以使用，因此一直是理论界研究视觉跟踪问题的主流方法。这种方法一般依赖于所构建的模型或先验知识，在图像序列中进行匹配运算或求解后验概率，采用匹配运算时，如果相似距离最为接近则认为跟踪上运动目标；求解后验概率时，选择最大后验概率所对应的状态向量作为运动目标的当前状态。但是，先验知识的表述是人工智能中的困难所在。系统[14]是这种方法的典型。 2. 国内外移动对象跟踪技术的研究情况 （1）国内的研究现状 国内对移动对象跟踪技术有较多的研究，一些研究人员提出很多有效的跟踪算法。杨杨、张田文[10]于2000年提出了一种基于特征光流的运动目标跟踪方法，跟踪过程中建立了角点、类及类形状模型的卡尔曼滤波模型, 对目标的状态随时进行估计和预测, 指导跟踪的进程, 使得跟踪更加主动, 减少了跟踪时间, 提高了跟踪精度, 并为目标遮挡和目标失锁等异常情况的处理提供了有效的工具。向卫军、韩根甲[8]与2003年在红外热成像领域成功地应用了一种基于模板匹配的目标跟踪算法。胡洪涛、敬忠良、李安平、胡士强[6]与2004年提出了一种在非高斯条件下基于粒子滤波的目标跟踪。程 建、杨 杰[9]与2005年提出了均值漂移跟踪算法在红外目标中的应用，它在当前帧目标与目标模型的相似度低于给定的阈值，则进行模型更新。张宏志、张金换、岳卉、黄世霖[7]与2006年提出了基于CamShift的目标跟踪算法，该文献中算法将图像由RGB颜色空间转化到HSV颜色空间进行后续处理，这减少了光照亮度变化对跟踪算法的影响。孙中森、孙俊喜、宋建中[2]与2007年提出了一种抗遮挡的运动目标跟踪算法，该文献中对处理遮挡的方法进行了一定的总结，还引入了目标遮挡因子来判断是否发生遮挡。胡建华、徐健健[11]与2007年提出了一种基于遗传算法和卡尔曼滤波的运动目标跟踪方法，这是一个很新的思路，由于遗传算法是一种新的全局优化搜索算法，采用非遍历寻优策略，有很好的实时性。熊玉梅、郭坚、陈一