基于OpenCV的目标检测与跟踪算法研究(2)
在实际中，为了尽可能早地发现目标，使后续处理系统有足够的反应时间，要求在很远的距离上就能够检测或跟踪到目标。然而，由于在远距离情况下目标可能仅占几个像素，被检测信号太弱，再加上非平稳的起伏背景干扰的原因，目标信息将会淹没于大量复杂的杂波噪声之中，图像信噪比极低，且缺乏目标形状和结构信息，只有其灰度和运动特性可以利用，因而检测技术难度大。此外，对于运动目标，其在运动过程中可能偶然被遮挡，或者其他原因使得目标暂时丢失，而且运动目标的背景在绝大多数情况下是处于不断变化的状态下，因此增加了检测和跟踪的难度。
如果能够更好地解决这些问题，就能使目标检测和跟踪更加准确，在军事制导和反导方面处在有利位置。在民事应用方面，能使系统更智能，有效减少劳动量。
1.2 目标检测和跟踪技术的发展历史
目标检测与跟踪是图像处理领域中一项历史悠久且又充满活力的研究课题。国内外已有众多学者在该领域中展开了深入细致的研究工作。早在二十世纪五十年代，美国就开始了红外目标搜索跟踪技术的研究工作，随后法国、德国、俄罗斯和加拿大等国也相继对该领域展开了研究工作。1960年，Kalman在提出一种在数学结构上比较简单的最优线性递推滤波方法，并得到广泛应用。随着递推Kalman滤波技术引入到雷达跟踪中，目标跟踪理论开始引起人们的极大关注。 1964年，Sittler在数据关联等内容的多目标跟踪理论方面取得了突破性进展。Bar-Shalom和Singer将数据关联与滤波理论有机结合，进一步发展了目标跟踪理论。八十年代以来，由于高速处理芯片的兴起，为目标检测跟踪的研究注入了新的活力。进入九十年代后相继有了多方面的发展。1996年，Asaad等人在进行机器人视觉实验中运用边缘信息有效地进行了目标跟踪。1998年， Y.Moe等人在3D空间运用光流和边缘信息，进行了运动目标跟踪的研究。Y.Zhong等人提出了基于可变形模板进行目标跟踪的方法。Grovr.T.D等人进行了基于颜色的目标跟踪的研究。2001年，Gi-Jeong Jang等人提出了运用自适应颜色模型进行目标跟踪。目标检测与跟踪作为当前研究的热门课题，国外许多重要期刊（如OpticalEngineering，IEEE，TransaetiononpattemAnalysis以及AD报道等）经常登载有关目标检测跟踪领域的学术论文。国际SPIE组织每年举行一次“小目标信号与数据处理（Signalanddataprocessingofsmalltarsets）”会议，交流目标检测与跟踪的新技术。综合分析该领域的研究现状可知，复杂背景下红外目标的检测与跟踪算法一直是困扰该领域研究进程的关键问题之一。
我国相关的研究工作开展地较晚，但也取得了一些的成果。目前，国内的多所著名高校，例如清华大学、华中科技大学、上海交通大学、国防科技大学等，都开展了相应的目标检测与跟踪的理论和应用研究。此外，中科院自动化所、中科院电子所、原信息产业部14所、28所、总参61所等多家科研单位在分布检测融合、多传感器综合跟踪与定位、机动目标跟踪、态势评估与威胁估计以及目标识别与决策信息融合等领域积极开展理论及应用研究，并在军队指挥自动化、舰队编队信息融合和组网雷达数据处理等领域研制出一批具有先进功能的目标跟踪系统。
1.3 OpenCV在图像处理中的应用
OpenCV(Open source computer vision library)是一种用于数字图像处理和计算机视觉的函数库，是由Intel公司资助的一个开源项目。它由一系列C函数和少量C++类构成，能实现图像处理和计算机视觉方面的很多通用算法。OpenCV包括300多个C/C++函数的跨平台的中高层API。不依赖于其他的外部库，可以在Windows系统及Linux等系统下使用。该函数库是开放源代码的，能够从Intel公司的网站免费下载得到。OpenCV提供了针对各种形式的源文件(如：Bitmap图像，Video文件和实时摄像机)的帧提取函数和很多标准的图像处理算法，这些函数都可以直接在具体的视频开发项目中调用，科研开发人员只需添加自己编写的程序，即可完成十分复杂庞大的开发任务，达到事半功倍的效果。