视频中移动对象跟踪技术研究【开题报告】.doc

毕业设计开题报告 计算机科学与技术 视频中移动对象跟踪技术研究 一、选题的背景与意义 随着计算机技术、图像处理技术的不断发展，视频中移动对象跟踪技术目前已成为热点研究问题。视频跟踪技术，经过近50多年的深入研究和发展，在军事制导、视觉导航、安全监控、智能交通等方面有着广泛的应用和发展前景。如视频跟踪通过摄像机监控动态场景，已被广泛地应用在社会生活的各个方面，可应用于社区、大型公共场所及重要设施的安全监控；智能交通系统中，进行车辆的实时检测和跟踪，可以实时监控车流量、车速、车流密度、交通事故、违章逃逸车辆等交通状况，用于实时的智能交通调度。 二、研究的基本内容与拟解决的主要问题： 1. 视觉跟踪算法 现在普遍将视觉跟踪算法划分为： 1)基于区域的跟踪(Region—based tracking)。基于区域的跟踪算法基本思想是：首先得到包含目标的模板(Template)，该模板通过图像分割获得或是预先人为确定，模板通常为略大于目标的矩形，也可为不规则形状；然后在序列图像中，运用相关算法跟踪目标，对灰度图像可以采用基于纹理和特征的相关，对彩色图像还可利用基于颜色的相关。近年来，对基于区域的跟踪方法关注较多的是如何处理模板变化时的情况，这种变化是由运动目标姿态变化引起的，如果能正确预测目标的姿态变化，则可实现稳定跟踪。 2)基于特征的跟踪(Feature based tracking)。基于特征的跟踪算法一般也采用相关算法。与基于区域的跟踪算法的不同之处在于，后者使用目标整体作为相关时的对象，而前者使用目标的某个或某些局部特征作为相关时的对象。这种算法的优点在于即使目标的某一部分被遮挡，只要还有一部分特征可以被看到，就可以完成跟踪任务。另外，这种方法与卡尔曼滤波器联合使用，也具有很好的跟踪效果．这种算法的难点是：对某个运动目标，如何确定它的唯一特征集?这也是一个模式识别问题。若采用特征过多，系统效率将降低，且容易产生错误。 3)基于变形模板的跟踪(Deformable．template．based tracking)．变形模板是纹理或边缘可以按一定限制条件变形的面板或曲线。例如，目标模板可以是一条手划(Hand Drawn)的封闭曲线，该曲线通过方向及方向的变形逐渐与图像中的真实目标相适应，从而检索或跟踪复杂背景中的目标。 4)基于模型的跟踪(Model—based tracking)。对人体进行跟踪时，通常有三种形式的模型 ，线图模型、2D模型和3D模型。但是在实际的视觉跟踪算法中，更多的是采用运动目标的3D模型进行跟踪，尤其对于刚体如汽车的跟踪。其基本思想是：首先由先验知识获得目标的三维结构模型和运动模型，然后根据实际的图像序列，确定出目标的三维模型参数，进而确定出目标的瞬时运动参数。这种方法的优点是，可以精确地分析目标的三维运动轨迹，即使在运动目标姿态变化的情况下，也能够可靠地跟踪。但是其缺点在于，运动分析的精度取决于几何模型的精度，在现实生活中要获得所有运动目标的精确几何模型是非常困难的。这就限制了基于模型的跟踪算法的使用。同时，基于3D模型的跟踪算法往往需要大量的运算时间，很难实现实时的运动目标跟踪。 2. 视觉跟踪问题中的难点 从控制的观点来看，视觉跟踪问题所面临的主要难点可以归结为对视觉跟踪算法在三个方面的要求，即对算法的鲁棒性、准确性和快速性要求。 1)鲁棒性(Robustness)。所谓鲁棒性是指视觉跟踪算法能够在各种环境条件下实现对运动目标持续稳定的跟踪。影响视觉跟踪算法鲁棒性的最主要原因在于 a)被跟踪运动目标的姿态改变； b)运动目标所处环境的光照变化； C)部分遮挡引起的运动目标不规则变形和全部遮挡引起的运动目标的暂时消失。 2)准确性(Accuracy)。在视觉跟踪研究中，准确性包括两个方面，一是指对运动目标检测的准确性，另一个是指对运动目标分割的准确性．对运动目标检测准确性的目的是尽可能降低运动目标检测的虚警率和漏警率，从而提高对真实运动目标的检测概率，这一点在视频监视系统中要求比较高。由于实际复杂环境中存在大量噪声，很难实现各种环境条件下对运动目标地准确检测，往往只能在虚警率和漏警率之间寻求一个折中(Trade off)。虚警率和漏警率转化为统计的语言就是一个假设检验犯第一类错误和第二类错误的概率。 3)快速性(Speed)。一个实用的视觉跟踪系统必须能够实现对运动目标的实时跟踪，这就要求视觉跟踪算法必须具有快速性。但是，视觉跟踪算法处理的对象是包含巨大数据量的图像，这些算法往往需要大量的运算时间，很难达到实时处理的要求。通常，简单算法能够实现实时跟踪，但跟踪精度却很差；复杂算法具有很高的跟踪精度，实时性却很差。一种通用的减小视觉跟踪算法运算量的方法是利用金字塔分解或小波变换将图像分层