2025《目标跟踪算法研究的国内外文献综述》2200字.docxVIP

PAGE

PAGEXXIV

目标跟踪算法研究的国内外文献综述

1目标跟踪特征发展现状

不同算法可用于识别不同的目标特征，且有各自的适应场合。以下为常用的几种视觉特征：

（1）颜色特征：该特征主要适用于检测目标物体颜色与背景颜色相差较大的场合。即使在目标物体受到遮挡，或目标由于运动导致变形等情况下，只要目标颜色特点并未发生改变，就可以根据该颜色特征对其实现追踪。基于颜色直方图均值偏移跟踪算法（Meanshift）能够对实时追踪非刚性运动的目标[17]。Birchfield等人通过将三维颜色直方图中的点添加像素带不同颜色之间均匀分布的空间尺度关系图中对该检测算法进行改进，提出了一种基于空间颜色直方图的目标追踪算法，从而保证了其对目标点的准确检测。

（2）纹理特征：该特征主要是对一个目标图像颜色变化的一种抽象描述，对图像灰度层级变化和噪声都具有较强的鲁棒性。其中LBP（局部二值模式）的数值编码简单，计算过程容易，受光照环境影响小。Haar特征（哈尔特征）是通过对一个局部性区域特征进行灰度计算，得到变化的灰度特征值，作为灰度判别式图像跟踪的特征[18]。

（3）轮廓特征：该特征用于准确表达一个物体空间结构的一种特征，优势在于外部环境发生变化时，物体本身轮廓可保持不变，这点与颜色特征不同。Blake与Isard将可重复变形的面部轮廓与人体运动学中的模型相结合实现对人体的追踪。Tao等人提出了基于EOS（基于边缘方向的直方曲线图）的目标跟踪算法[20-21]。

（4）局部特征描述子：该特征是在图像所在区域中提取一个区分度高的特征节点。Qjala等人通过采用局部特征的二元模式实现了对人脸的识别，Lalonde等人将其应用于平方差异化的局部特征在平方差异偏移的架构中，并嵌入了以大小为尺度的不变特征，对目标的跟踪效果很好。文献[8]提出了一款基于DSP+FPGA的实时目标跟踪系统，采用背景加权的核直方图建立目标模板从而减小跟踪框中背景对于跟踪的影响，并将整个算法进行优化并在嵌入式系统中得以实时实现。

2目标跟踪算法发展现状

目标跟踪是指通过对图像传感器采集到的数据进行处理，并对其中目标物体进4行检测识别，计算目标在当前帧的相对位置等信息实现目标追踪。

目标跟踪算法根据匹配规则不同分为三种：特征、区域和变形模板。以下为三种算法的描述:

（1）基于特征的目标跟踪算法：该算法可以通过将连续帧中每个匹配帧与目标局部特征相互进行匹配，实现对匹配目标局部特征目标信息的自动识别。物体的主要特征包括面积、周长、质量、颜色等。为提高算法精度，通常将多个特征结合在一起进行追踪，但相应的效率会降低。该类算法的主要优势在于，即使场景中的目标出现部分遮挡的情况，只要从一个特征点上能够看到，就可以实现对目标的持续追踪。

（2）基于区域的跟踪算法：将一个确定目标的初始位置所在区域中的每个图像块分别当做一个确定目标跟踪模板，将目标模板与候选图像中所有目标的初始位置之间进行一种相干匹配可能位置进行相干匹，其中相关匹配度最高的地方即为目标的初始所在位置。匹配标准需要根据平方和或者其他准则比如SSD等来实现。与其他跟踪算法模型相比，能获得更多的目标信息，广泛应用于对比度较差或目标体积较小的特殊跟踪场合，但该算法主要是利用目标区域之间关系实现目标匹配和辨认的，因此在目标被遮挡时，可能会产生追踪误差。

（3）基于变形模板的跟踪算法：基于变形的模板就是指根据外部环境的变化改变原本的物体模板，常用实例包括在对单个目标进行追踪时使用的snakes模型，以及同时追踪多个目标物体时时，选择基于水平聚焦的主动式轮廓模型。

近年来，国内的跟踪算法飞速发展。文献[3]介绍了我国目前目标追踪技术在军事领域上的应用，实现复杂情景下目标长时准确跟踪，实现在高科技现代战争中使装甲战车具备精确的目标打击能力和态势感知能力。文献[9]研究了在静态背景下，基于现场可编程门阵列技术，通过帧间差分和形态学滤波实现目标检测，以及通过多区域扫描实现多目标跟踪，最终经过检验，该系统运行稳定且具有良好的鲁棒性。文献[7]设计了一种基于FPGA的MeanShift跟踪系统，对核函数和权重计算进行优化，使用定点运算替代浮点运算，采用此方法大大提高了MeanShift跟踪算法的计算速度，进一步提高了系统的实时性。除此之外，我国还有很多实验室在进行跟踪系统相关领域的研究。

参考文献

[1]黄齐.背景变化的多运动目标实时在线跟踪方法研究[D].电子科技大学,2020.

[2]邢凯,李彬华,陶勇,王锦良,何春.基于FPGA的运动目标实时检测跟踪算法及其实现技术[J].光学技术,2020,46(02):158-166.

[3]郭琼,闫秀燕,段晶晶,段杰奇,翟晓燕.装甲战车图像跟踪系统技术研究[J].火力与指挥控制