【复杂场景下的运动目标跟踪算法探究开题报告4200字】.pdfVIP

开题报告

题目复杂场景下的运动目标跟踪算法研究

学生姓名学号指导教师

学院专业职称

选题的意义及研究状况:

选题意义：

计算机视觉作为一门包括图像处理、机器学习、模式识别等辅助领域在内的

综合性学科，其主要目的是由摄像机、摄像头、计算机等视频图像采集设备获取

场景中的信息，然后将些信息转换为数字信号的形式进行下一步处理，并将其

呈现为更加容易被人理解的形式。计算机视觉作为获取周围环境中相关信息的关

键技术，近年来引起了国内外众多学者的关注。

运动目标检测与跟踪是计算机视觉领域中的一个热门研究课题，并且是目标

识别与行为分析的前提,通过获取运动目标的相关信息作为下一步判断与决策的

关键依据，在科学研究、工程应用等方面有着重要的研究价值和意义。目前，运

动目标检测和跟踪己经被广泛的应用到智慧交通、机器人避障导航、智能驾驶、

智能视频监控等领域。实际应用场景举例如图1-1所示。

(a)智慧交通(b)机器人避障导航

图1实际应用场景举例

复杂场景下的目标跟踪技术在学术上具有重要研究价值，在实际应用中又有

巨大的应用价值。目标在运动过程中，多种多样的因素会影响跟踪算法的性能和

效率，算法不仅要解决目标自身受到的光照、形变、快速运动带来的干扰，还要

解决目标被障碍物甚至被其他的目标部分遮挡或完全遮挡，或者在某些图像序列

中目标移出视场的情况。些目标自身的影响因素在实际的应用场景中是普遍存

在的，而且在实际应用中，目标所在的场景本身也是在变化的，算法需要在动态

场景下对目标进行跟踪。而且由于目标跟踪应用场景的特殊性，通常都要求跟踪

算法具备实时性,所以算法的复杂度不能太高，也是目标跟踪算法的关键之一。

在实际应用场景中有可能受到复杂气候条件变化、外界噪声过大等因素的干扰，

尤其是在红外图像跟踪中，红外图像有着低信噪比、低对比度和目标信息少的特

点，在种条件下进行跟踪十分困难。尽管各种去噪方法可以改善图像质量，但

是由此带来的额外计算量也不容小视。此外，有限的计算资源也变成算法面临的

主要挑战之一。

由此看来，运动目标检测与跟踪技术涉及到了我们日常生活中的各个角落，

随着实际应用场景的复杂度不断增加，众多学者对运动目标检测与跟踪算法的性

能要求也在不断提升。例如，如何在复杂背景下增强算法的适应能力，如何在移

动背景下更好地克服背景运动对目标检测的影响，如何有效提高目标在遮挡、形

变、尺度变化等情况下的跟踪性能。所面临的些热点问题正是此领域中的研究

难点，引起了科研学者们的广泛关注。因此，研究复杂场景下的运动目标检测与

跟踪方法具有重要的应用价值和意义。

目标跟踪在国内外的发展概况

早在20世纪60年代，slttle:提出了基于贝叶斯估计的多目标跟踪方法，成

为目标跟踪领域的基本理论。70年代初期，Singer和BarShalom}00,将卡尔曼

滤波引入到目标跟踪算法中，使目标跟踪算法有了进一步的发展。80年代，出

现了智能跟踪算法，自动通过目标在前后帧中的位置差异来提取目标。90年代

末期，粒子滤波算法和扩展卡尔曼滤波算法也引入到目标跟踪中，使目标跟踪取

得了长足的发展。进入21世纪，随着机器学习理论的大力发展，目标跟踪跨越

到一个崭新的阶段。

国外对目标跟踪理论的研究起步较早，许多大学和科研机构在目标跟踪发面

取得了大量的成果。例如，由卡内基梅隆大学和麻省理工大学参与研发的

VSAM(VisualSurveillanceandMonitoring)系统己经应用于战场和普通民用场景

监控。美国马里兰大学与IBM联合开发的实时视频监控系统W4(WhoWhen

WhereWhat)可以进行多目标跟踪，并且对发生的行为事件进行判断和预警。

雷丁大学开展了对车辆和行人的跟踪及其交互作用识别的相关研究，其和法国

INRIA等研究机构开发了针对机场环境的视频智能监