Matlab视频序列中的目标跟踪技术研究(5)
1.4 本文的研究内容及主要工作
随着计算机技术的不断发展，计算能力得到了非常大的提高，使得利用计算
机实现人类的视觉功能成为目前计算机领域中最热门的课题之一。视觉跟踪问题是计算机视觉领域中的一个重要问题。所谓视觉跟踪，就是指对图像序列中的运动目标进行检测、提取识别和跟踪，获得运动目标的运动参数，如位置、速度、加速度等，以及运动的轨迹，从而可以对视频进行进一步处理与分析，实现对运动目标的行为理解，获取视频高级语义，以完成更高一级的任务。近年来，国际上对视觉跟踪问题正处于研究高潮之中。Mean Shift视频跟踪算法利用目标的颜色直方图对目标进行跟踪，此算法具有计算量小，实时性好，对边缘遮挡和背景运动均不敏感，对光照敏感度较小等优点，因此本文将主要围绕对这个算法的研究进行展开。
本文的研究内容如下:
(l)对经典视频跟踪算法进行研究和分析。
对视频跟踪算法进行总体上的分类，阐述各类跟踪算法的基本原理，对算法
的性能进行了分析，对帧间差分法，光流场跟踪法，Condensation跟踪算法，Snake跟踪算法等经典跟踪算法的思想进行了研究，分析了各种经典算法的优缺点。
（2）)对经典Mean Shift算法进行了深入的分析，并对系统进行了总体设计。
深入研究了经典Mean Shift视频跟踪算法，此算法计算量小较小，因此具有较好的实时性。它基于目标的颜色直方图进行跟踪，因此对光照敏感度较小，但是颜色直方图仅仅反映了物体的全局色彩信息，不能反映颜色的空间分布特征，仅仅以目标的颜色直方图为模型进行Mean Shift迭代跟踪不能全面的反应目标颜色的空间分部信息，在跟踪过程中有可能发生跟踪失败。本文对视频跟踪系统进行了总体设计、并利用Matlab进行目标跟踪的编程仿真，实现能在中等复杂环境下实现较为稳定的目标跟踪，每秒跟踪15-30帧，即算法满足实时性。
1.5 论文结构
第一章，给出了课题研究的背景和意义。分析了当前视频跟踪技术的现状，
总结了视频跟踪的主要应用方面。然后根据各种跟踪算法的特点对其进行了分类，分别对各类进行简单阐述，并总结了视频跟踪领域存在的难点。接下来介绍了本文的主要内容及主要工作。最后介绍了本文组织结构。
第二章，阐述了几种经典的视频跟踪算法。其中包括由Srinivasan V等人于1998年提出的帧间差分法;由 Pankaj Gupta等人于1999年提出的基于光流场的跟踪算法;由 Anja Feldmann等人于2000年提出的Condensation算法;由Baboescu F，Singh S等人于2003年提出基于Snake模型的视频跟踪算法。
第三章，主要介绍了均值漂移算法基本理论。在阐明了算法理论是建立在无
参数密度估计理论的前提下，介绍了核密度估计理论，说明了均值漂移算法就是
一种核密度估计算法。然后对均值漂移算法作了详细推导，说明了均值漂移向量的实质是自适应地向特征密度最大的方向移动，接着讨论了算法的收敛性。
第四章，介绍了均值漂移算法在目标跟踪中的应用，包括目标模型的建立，归纳了算法一般过程，讨论了算法的平均计算量，对视频跟踪系统进行了总体设计、并利用Matlab进行目标跟踪的编程仿真，实现能在中等复杂环境下实现较为稳定的目标跟踪，每秒跟踪15-30帧，即算法满足实时性。
2 经典视频跟踪算法
2.1 帧间差分法
帧间差分方法是用得较多的一种运动目标检测方法，它的原理是将视频序列中的相邻帧的图像进行减运算，然后再对图像进行平滑去噪处理，再对差分图像中每个象素点的进行判断，如式(2-l)，如果差分图像中某个象素点的值小于设定的阀值的，那么就推论此象素是背景象素，值大于阀值，则认为这个象素是跟踪目标象素。算法的原理图如图2.1所示。
上一篇：C#滑动窗口协议的软件设计与实现