空中目标视频跟踪模板匹配技术研究(3)
1．2 国内外研究现状
1．3 主要技术方法
目标跟踪的研究对象是一组连续实时的图像序列，在参照目标的先验知识，在图像序列中寻找目标，有条件的情况下预测目标的运动轨迹，归纳运动规律，以实现连续准确跟踪目标。这一整个过程中涉及到图像预处理、目标检测、图像分割、特征提取、相似性分析、运动模型分析及轨迹预测等[2]，囊括了计算机视觉、图像、通信、数字信号处理等学科交叉知识。
1.3.1 目标检测的方法
运动目标检测的主要目的是将运动目标从连续的图像中检测并分离出来。根据视频的背景运动与否（摄像机是固定还是运动），可将运动检测分为：静态背景下和动态背景下的运动目标检测。
（一）静态背景下的目标检测
静态背景下（即摄像机固定）的主要的检测算法有（作简要介绍）：
① 光流法：根据检测到的目标的运动特征来分割视频序列，分割的方法是先对密度运动场进行估计，然后根据估计的结果来分割场景，根据分割得到的图像亮度随时间的变化，计算光流来检测运动目标[4]。
② 差分法：对连续相邻的两帧图像作差，设定阈值来进行二值化处理，对获得的二值化图像，通过寻找灰度值变化的轮廓线，找到运动的物体。
③ 背景差分法：以不包含目标或目标包含的较少的图像作为背景图像，将它和当前帧图像进行差分运算得到检测目标。
④ 边缘检测法：将图像中灰度发生急剧变化的区域标记为边缘，边界分为屋顶状阶跃状两种类型，运动图像边缘检测是通过空间和时间两方面的差分来实现的。
⑤ Snake 主动轮廓线模型：用参数来表示轮廓线，通过能量极小化的样条Snake来定义轮廓线的能量函数，其中外力约束它的行为，内力调整它的形状[4]。图像力的指向代表图像特征。
（二）动态背景下的目标检测
动态背景下由于背景本身就在运动，因而较静态背景下的检测而言很难，通常用到的检测算法有：全局运动估计、目标分割方法。这里就不一一介绍了。
1.3.2 目标跟踪的方法
运动目标的跟踪方法主要分为运动分析法、图像匹配法、基于无参密度估计的均值漂移（Mean shift）法等等。其中基于运动分析的主要有差分法和光流分割法。这些在前面运动检测部分介绍过了，这里就主要介绍下基于图像匹配的方法。
图像匹配就是要提取目标景物或模式中的能适应以上各种变化的不变量特征，对多幅图像进行匹配[2]。
在实际系统应用中，模板匹配以其计算思想简单，模板选取方便，易于实现等优点而倍受关注[5]，作为目标跟踪系统中的关键技术，可细分为以下几类：
（1） 基于模型的跟踪方法：通过预先知道的条件对目标建立相应的数学模型，再利用匹配方式跟踪目标，根据反馈的相似度实时更新模型。对于传统物体的表达方法有三种分别是：线图法、二文轮廓、立体模型。
（2） 基于区域的跟踪方法：首先通过图像分割或预先人为确定出包含目标的模板，进而将模板在实时图像所有可能位置遍历（或者按照一定的搜索策略），然后按照计算某种相似度计算得到最大值，最大值处就是目标位置。
（3） 基于特征的跟踪方法：选定图像的某个特征属性如角点、边缘、局部能量等，对图像处理提取目标特征，并对特征作相关度计算，计算出来的最大相关系数的位置作为匹配位置。
（4） 基于变形模板的跟踪方法：变形模板是指纹理或边缘可按一定限制条件变形的模板或曲线，它分为两类：自由式变形模板和参数式变形模板[6]。