視頻中移動(dòng)對(duì)象跟蹤技術(shù)研究【文獻(xiàn)綜述】

《視頻中移動(dòng)對(duì)象跟蹤技術(shù)研究【文獻(xiàn)綜述】》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、畢業(yè)設(shè)計(jì)文獻(xiàn)綜述計(jì)算機(jī)科學(xué)與技術(shù)視頻中移動(dòng)對(duì)象跟蹤技術(shù)研究摘要：視頻中移動(dòng)對(duì)象跟蹤技術(shù)的研究是當(dāng)前計(jì)算機(jī)視覺領(lǐng)域的一個(gè)熱點(diǎn)問(wèn)題，本文對(duì)這一問(wèn)題研究現(xiàn)狀進(jìn)行了大量的文獻(xiàn)閱讀，并做了總結(jié)和展望。為了清楚地表達(dá)這一研究問(wèn)題我引用了目前主流的劃分方法進(jìn)行相應(yīng)的闡述。最后我提出了未來(lái)的移動(dòng)對(duì)象跟蹤技術(shù)的一個(gè)發(fā)展前景是人機(jī)交互。在某些時(shí)刻適當(dāng)?shù)刈屗惴ㄅc人進(jìn)行一定的交互來(lái)達(dá)到有效地處理復(fù)雜情景。關(guān)鍵詞：計(jì)算機(jī)視覺；目標(biāo)跟蹤；移動(dòng)對(duì)象跟蹤技術(shù)；人機(jī)交互；一、視頻中移動(dòng)對(duì)象跟蹤技術(shù)研究的意義隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，計(jì)算能力得到了極大地提高，使得利用計(jì)算機(jī)實(shí)現(xiàn)人類的視覺功能成為目前計(jì)算機(jī)領(lǐng)域中最熱門的課題之

2、一[1]。視頻中移動(dòng)對(duì)象跟蹤（簡(jiǎn)稱目標(biāo)跟蹤）是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)分支，它在視頻監(jiān)控、視頻壓縮與傳輸、電話會(huì)議、人機(jī)界面的應(yīng)用中以及高技術(shù)武器裝備方面都有重要的意義[2,15]。目前的一些目標(biāo)跟蹤算法中都有各自適用的情景，有些不能處理遮擋、速度突變、光線變化以及多目標(biāo)干擾。二、視頻中移動(dòng)對(duì)象跟蹤技術(shù)的研究現(xiàn)狀1.移動(dòng)對(duì)象跟蹤技術(shù)的基本原理對(duì)于視覺跟蹤問(wèn)題的處理，總體上講有兩種思路[1]，一種稱之為自底向上的處理方法；另一種稱之為自頂向下的處理方法。文獻(xiàn)[3,4]也給出了另外兩種不同角度的劃分。（1）自底向上的處理方法自底向上的處理方法又稱之為基于運(yùn)動(dòng)分析的方法[3]4，這種方法不依賴于先驗(yàn)

3、知識(shí)，直接從圖像序列中獲得目標(biāo)的運(yùn)動(dòng)信息并進(jìn)行跟蹤。在自底向上的視覺跟蹤過(guò)程中，跟蹤的目的是獲得場(chǎng)景中運(yùn)動(dòng)目標(biāo)的位置、速度、加速度、運(yùn)動(dòng)軌跡等信息，這相當(dāng)于視覺過(guò)程中的后期階段，為得到這些信息，在獲得圖像序列并對(duì)圖像序列進(jìn)行預(yù)處理之后，首先直接從圖像序列中檢測(cè)運(yùn)動(dòng)目標(biāo)，這是早期階段；檢測(cè)到運(yùn)動(dòng)目標(biāo)之后，提取出運(yùn)動(dòng)目標(biāo)并進(jìn)行識(shí)別，以判定是否跟蹤，這相當(dāng)于中期階段；最后對(duì)該目標(biāo)進(jìn)行跟蹤并獲得運(yùn)動(dòng)目標(biāo)的相關(guān)運(yùn)動(dòng)信息。上述過(guò)程按處理順序共分為四步，第一步為圖像預(yù)處理，一般對(duì)所獲得的序列圖像進(jìn)行消噪或增強(qiáng)，提高圖像質(zhì)量以方便后續(xù)處理；第二步為目標(biāo)檢測(cè)，在攝像機(jī)不動(dòng)情況下一般采用幀差法或背景差法進(jìn)行變

4、化檢測(cè)以獲取運(yùn)動(dòng)目標(biāo)，此時(shí)得到的運(yùn)動(dòng)目標(biāo)是一個(gè)斑點(diǎn)；第三步為目標(biāo)分類，要完成兩個(gè)任務(wù)，首先提取出檢測(cè)到的運(yùn)動(dòng)目標(biāo)，其次對(duì)該目標(biāo)進(jìn)行識(shí)別；最后在目標(biāo)跟蹤階段獲得運(yùn)動(dòng)目標(biāo)的相關(guān)運(yùn)動(dòng)信息。該方法在攝像機(jī)靜止情況下效果非常好，但如果攝像機(jī)是運(yùn)動(dòng)的，則實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤就比較困難，因此在很大程度上局限了該方法的使用范圍。系統(tǒng)[14]也部分符合這個(gè)方法。（2）自頂向下的處理方法自頂向下思路利用先驗(yàn)知識(shí)對(duì)跟蹤問(wèn)題建立模型，然后利用實(shí)際圖像序列驗(yàn)證模型的正確性，這種方法具有堅(jiān)實(shí)的數(shù)學(xué)理論基礎(chǔ)，有很多數(shù)學(xué)工具可以使用，因此一直是理論界研究視覺跟蹤問(wèn)題的主流方法。這種方法一般依賴于所構(gòu)建的模型或先驗(yàn)知識(shí)，

5、在圖像序列中進(jìn)行匹配運(yùn)算或求解后驗(yàn)概率，采用匹配運(yùn)算時(shí)，如果相似距離最為接近則認(rèn)為跟蹤上運(yùn)動(dòng)目標(biāo)；求解后驗(yàn)概率時(shí)，選擇最大后驗(yàn)概率所對(duì)應(yīng)的狀態(tài)向量作為運(yùn)動(dòng)目標(biāo)的當(dāng)前狀態(tài)。但是，先驗(yàn)知識(shí)的表述是人工智能中的困難所在。系統(tǒng)[14]是這種方法的典型。2.國(guó)內(nèi)外移動(dòng)對(duì)象跟蹤技術(shù)的研究情況（1）國(guó)內(nèi)的研究現(xiàn)狀國(guó)內(nèi)對(duì)移動(dòng)對(duì)象跟蹤技術(shù)有較多的研究，一些研究人員提出很多有效的跟蹤算法。楊楊、張?zhí)镂腫10]于2000年提出了一種基于特征光流的運(yùn)動(dòng)目標(biāo)跟蹤方法，跟蹤過(guò)程中建立了角點(diǎn)、類及類形狀模型的卡爾曼濾波模型,對(duì)目標(biāo)的狀態(tài)隨時(shí)進(jìn)行估計(jì)和預(yù)測(cè),指導(dǎo)跟蹤的進(jìn)程,使得跟蹤更加主動(dòng),減少了跟蹤時(shí)間,提高了跟蹤精度

6、,并為目標(biāo)遮擋和目標(biāo)失鎖等異常情況的處理提供了有效的工具。向衛(wèi)軍、韓根甲[8]與2003年在紅外熱成像領(lǐng)域成功地應(yīng)用了一種基于模板匹配的目標(biāo)跟蹤算法。胡洪濤、敬忠良、李安平、胡士強(qiáng)[6]與2004年提出了一種在非高斯條件下基于粒子濾波的目標(biāo)跟蹤。程建、楊杰[9]與2005年提出了均值漂移跟蹤算法在紅外目標(biāo)中的應(yīng)用，它在當(dāng)前幀目標(biāo)與目標(biāo)模型的相似度低于給定的閾值，則進(jìn)行模型更新。張宏志、張金換、岳卉、黃世霖[7]與2006年提出了基于CamShift的目標(biāo)跟蹤算法，該文獻(xiàn)中算法將圖像由RGB顏色空間轉(zhuǎn)化到HSV顏色空間進(jìn)行后續(xù)處理，這減少了光照亮度變化對(duì)跟蹤算法的影響。孫中森、孫俊喜、宋建中

7、[2]與2007年提出了一種抗遮擋的運(yùn)動(dòng)目標(biāo)跟蹤算法，該文獻(xiàn)中對(duì)處理遮擋的方法進(jìn)行了一定的總結(jié)，還引入了目標(biāo)遮擋因子來(lái)判斷是否發(fā)生遮擋。胡建華、徐健健[11]與2007年提出了一種基于遺傳算法和卡爾曼濾波的運(yùn)動(dòng)目標(biāo)跟蹤方法，這是一個(gè)很新的思路，由于遺傳算法是一種新的全局優(yōu)化搜索算法，采用非遍歷尋優(yōu)策略，有很好的實(shí)時(shí)性。熊玉梅、郭堅(jiān)、陳一民[5]4與2011年提出了一種搜索窗口可變的目標(biāo)跟蹤算法，該跟蹤算法最關(guān)鍵之處就是需