目标跟踪综述31页课件文档31页PPT.pptVIP

目录

1.课题背景与研究意义

2.国内外研究现状

·3.存在的问题

4.总结,发展与展望

·5.参考文献

1课题背景与研究意义

运动目标的跟踪就是在视频图像的每一幅图像中

确定出我们感兴趣的运动目标的位置,并把不同

帧中同一目标对应起来。

智能视频监控(VS:Intelligentvideo

Surveillance)是计算机视觉领域近几年来发展较

快,研究较多的一个应用方向。它能够利用计算

机视觉技术对采集到的视频信号进行处理、分析

和理解,并以此为基础对视频监控系统进行控

从而使视频监控系统具备更好的智能性和鲁

性。智能视频监控系统主要涉及到图像处理、评

算机视觉、模式识别、人工智能等方面的科学知

识,、它的用途非常广泛,在民用和军事领域中都

有着极大的应用前景。

2.国内外研究现状

1视频目标跟踪算法

于对比度分

基于匹配

核方法

运动检测

其它方法

特征匹配贝叶斯

光流法

Mean

shf方法

基于对比度分析的方法

·算法思想:基于对比度分析的目标跟踪算法利用

目标与背景在对比度上的差异来提取、识别和跟

踪目标。

分类:边缘跟踪,型心跟踪,质心跟踪

优缺点:不适合复杂背景中的目标跟踪,但在空

中背景下的目标跟踪中非常有效

基于特征匹配的目标跟踪算法

算法思想:基于匹配的目标跟踪算法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

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。特征点的提取算法很多,如Kanadelucastomasi

(KLT)算法、Harris算法、SIFT算法以及SURF算法篝。

优缺点:特征点一般是稀疏的,携带的信息较少,可

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。

贝叶斯跟踪

卡尔曼滤波

粒子滤波

·隐马尔科夫模型

·动态贝叶斯模型

卡尔曼滤波

基本思想:从本质上讲,卡尔曼滤波器就是一个有噪声线

性动态系统状态预估的递归算法,它是一个不断地预测与

校正的过程。当假设系统状态模型和观测模型都是线性且

符合高斯分布,同时假设噪声也是高斯分布时,线性卡尔

曼滤波器是最优的滤波器。

·局限性:但是,常规的卡尔曼滤波算法要求系统是线性高

斯型的,对于非线性、非高斯环境而言,不能直接用来

决目标的估计问题。为此,人们开发出各种非线性滤波算

法,一种是扩展卡尔曼算法EKF),它对非线性系统

局部线性化,从而间接利用卡尔曼算法进行滤波与估

但是只适用于滤波误差和预测误差很小的情况,否则

修H增鉴的推春尔曼滤波耷法UK)然

至发散。

增益

矩阵,相应改善了状态协方差的估计性能,但该方法对测

荍蔹酹伺及定等方面表蹺得不理想

则算法在收敛精度

粒子滤波

两种变形扩展了KF的应用范围,但是不能处理非

髙斯非线性模型,这个时候就需要用粒子滤波

(PF)。由于运动变化,目标的形变、非刚体

缩放等问题,定义一个可靠的分布函数是非常困

难的,所以在PF中存在例子退化问题,于是引进

了重采样技术。

除了KF和PF之外,隐马尔科夫模型

(HMMs)和动态贝叶斯模型(DBNs)也是

贝叶斯框架下重要的视觉跟踪方法。HMMs

和DBNs将运动目标的内部状态和观测量用

状态变量(向量)表示,DBNs使用状态随

机变量(向量)集,并在它们之间建立概率

关联。HMMs将系统建模为马尔科夫过程

算法描述能力状态表示方法拓扑结构

KF

线性、高斯

个随机变量(向量)

因定

F非线性、任意分布一个随机变量(向量)固定

HMMs非线性、任意分布一个随机变量(向量)固定

DBNs非线性、任意分布随机变量(向量)集

可变

基于运动检测的目标跟踪算法

基本思想:通过检测序列图像中目标和背景的不同运动来

发现目标存在的区域,实现跟踪。

·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。

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

场与灰度相联系,引入光流约束方程,得到光流计算的生

本算法。

优缺点:光流场的方法能够很好的用于二维运动估话

也可以同时给出全局点的运动估计,但其本身还存在着

些问题:需要多次迭代,运算速度慢,不利于实时应用。