基于多目标跟踪技术研究与挑战.pdfVIP

i初稿

基于的复杂背景多目标

信息学院10000102941000010258

1.目的

目标的目的就是对中的图象序列进行分析，计算出目标在每帧图象上的

位置。这里要根据区域分割过程给出的目标质心位置，计算出目标位移，并且根据质心位置

的变化判断出目标的方向。因为该是对多目标的，需要找出目标在相邻帧

上的对应区域。

2.难点

1）前景检测,前景检测是寻找目标的基础。前景检测完善的情况下可以解决很多不必要

的问题。

2）如何判断目标区域是否是新的目标进入观测窗口。

3）目标是否离开了观测窗口以及离开的方向；即计数器何时加1、是否加1。

4）对过程中出现的一些偏差和问题，要进行必要的修正。

*5）估计（在原有信息的基础上估计下一次鱼的位置）：比较前沿的有kalman滤波（由

于速度太慢在原有程序上删除）有一个DEMO用来COS函数。效果还可以，速度比

较慢。

3.概述

1）前景检测：

第一步是将前景目标所在的区域从背景中分割提取出来，即完成前景和背景的分离。这

一步一般有三种实现方法：背景消减、帧间分析和光流计算。帧间分析的结果精度

不高，难以获得目标所在区域的精确描述；光流计算的复杂度则非常高，运行起来十分慢。

背景消减较为实用但要求机固定。它为静止背景建立背景模型，通过将当前图像帧和背

景模型进行比较，确定出亮度变化较大的区域，即认为是前景区域。这种方法的计算速度很

快，可以获得关于目标区域的完整精确的描述，但对场景中光照条件、大面积和噪

声比较敏感，再进行背景模型的动态更新，以适应环境的变化。

2）物体分割：

要一个目标，须把前景中的目标连接起来，我的程序中用的是最简单的

floodfill;有色标的鱼会很，因为色标会把鱼风隔成多块，导致处理起来十分；

数据中的噪声对块的影响是性的。这一步可以通过形态算实现，利用

腐蚀和膨胀方法分别去除孤立的噪声前景点和填补目标区域的小孔。但这种处理也会影响目

标原本的边缘和形状，特别是目标本身尺度较小的时候，它的边缘细节很容易为这种去噪处

理所破坏。

如图我们发现被腐蚀的中出现的点必然是我们比较关心的大的点。这样我们以腐蚀图中

的点作为搜索的起点在对膨胀图进行搜索就可以把物体分割出来。

3）目标判断的依据是：帧与帧之间如何将目标对应起来。过程中的特

征是物体的质心，这里判断对应目标可以：

a.只利用质心间的最短距离做为特征;

b.利用加权系数将最短距离，目标区域的长度，宽度以及长宽比和面积等综合起来作

为特征。（实现难度较大机器鱼姿态变化大）

c具体实现方法。

对于每个到的目标，判断它与之前所保存的目标的质心位置间的距离，如果小于

可以接受的范围则认为他们是同一条鱼。如果无法匹配，就认为是新目标。这种方法并不

是精确的，但是调整参数可以使误差达到可以接受的范围。

4）根据判断特征设置目标，记录每个被目标的质心位置，为下步判断条件。

另外将每个目标的质心位置起来，可以随时掌握目标的情况，为以后要输出目标的

曲线做基础。

5）在两个物体相遇与分离时候的处理：

两条鱼相遇的时候算块的时候就连在了一起这时候呢。

我们可以跟据之前两条鱼的方向来判断他们后来应该有的方向然后在我们发现的比

较大的快之间判断两个小的块的位置。原先程序是在这里加上了kalman对估计。

速度过慢遭到放弃。

深蓝色的框是在鱼没有碰到一起时候定位的目标

、

蓝色框为发现大的块时所框出的

一个信息框。红色是通过原来物体的判断所实现的分割。

由于估计函数的不够完善当两条鱼帖在一起游