实时压缩跟踪算法研究
摘 要目标跟踪技术是当代计算机视觉中的一项热门技术，该技术有着各种各样的算法。压缩跟踪算法是一种基于压缩感知的目标跟踪算法，该算法是通过采样、多尺度变换、获取稀疏矩阵、用稀疏矩阵进行降维以及更新分类器参数等实现的。该算法实时性强，高效，又简单，具有很好的鲁棒性，但是依旧存在着不足之处。第一，在有遮挡情况下，目标跟踪容易产生较大误差；第二，目标跟踪窗口大小始终不变，致使目标出现漂移甚至丢失；第三，样本数量过多，影响目标跟踪速度。但这些缺陷能够得到适当的改进，本文中提出了一些改进方法。本课题重点研究压缩跟踪算法的过程，并证明了该算法的跟踪性能。
目 录
摘 要 I
ABSTRACT II
目 录 III
第一章 绪论 1
1.1课题背景 1
1.2国内外研究现状 2
1.3需要解决的问题 3
1.4文章结构 3
第二章 几种目标跟踪方法的对比 5
2.1基于区域的目标跟踪方法 5
2.2基于活动轮廓的目标跟踪方法 6
2.3基于Mean shift的目标跟踪算法 6
2.4基于粒子滤波的目标跟踪算法 7
2.5基于对目标建模的方法 8
2.6基于特征的跟踪算法 8
第三章 压缩跟踪算法 9
3.1获取图像的多尺度特征 9
3.2获取稀疏测量矩阵 10
3.3用稀疏测量矩阵对目标图像特征进行降维 12
3.4用朴素贝叶斯分类器对目标进行分类 12
3.5压缩跟踪算法流程 14
第四章 对压缩跟踪算法的研究 15
4.1 开发环境 15
4.2 视频材料分析 17
4.2.1路人行走跟踪的图像序列 17
4.2.2 对手掌张握跟踪的图像序列 18
4.3 结果分析 19
第五章 对压缩跟踪算法的改进 20
5.1对目标尺寸变化的改进 20
5.2对目标被遮挡的改进 21
5.3 改进算法的跟踪速度 23
5.4改进前
*好棒文|www.hbsrm.com +Q: ^3^5^1^9^1^6^0^7^2^*
后算法对比 24
第六章 总结与展望 26
参考文献 27
致 谢 29
附 录 30
绪论
1.1课题背景
图像和视频是人们日常生活中接收信息的一条重要渠道，而视频监控系统因其便捷、直观等的优点越来越受到人们的关注，从而在社会各个方面得到了越来越广泛的应用。在视频监控系统中，目标跟踪是不可缺少的环节。目标跟踪技术已经成为计算机视觉领域最热门的方向之一，在各类工作中承担着举足轻重的作用：
—安全监督，如对交通的监督，这是通过实时地对交通进行跟踪，记录每个时间段的数据，然后通过这些数据对交通流动方向进行有效的指导；
—机器人导航，比如车辆导航系统，这是一种对路径进行尽可能方便的规划和避免遇到障碍的能力；
—自动化监测，比如对公路限速地段进行超速监测；超市里面的全局监督；
—人机交互，比如将人的姿势和眼睛建立一个适当的模型然后将其数据读取到计算机中；
—对运动的识别，比如物体自身进行自动的监测等。
目标跟踪理论与技术经历了一段相当长的发展期，从1948年麻省理工学院研制出“雷达自动跟踪”和“火炮指挥仪”开始，在漫长的岁月里形成了两大体系，即经典的维纳滤波和近代卡尔曼滤波理论[1]体系。其中，卡尔曼滤波理论是在维纳滤波理论的基础上创建的状态空间线性系统理论，这一理论为很多著名理论奠定了理论基础，如最优估计理论，最优控制理论等，具有重要的历史地位。就目前而言，卡尔曼理论总体上取代了维纳滤波理论的作用，这是因为物竞天择，科学理论也是如此，而维纳滤波理论不能够符合现代目标跟踪系统的需求，所以越来越少的被人们知晓。在卡尔曼滤波理论体系诞生的50多年里，国内外陆续出版了去多关于目标跟踪的专业著作，这些专著可以分为两大类别，其中一类是基于科尔曼滤波理论的多目标单传感器跟踪理论与技术；而另一类则是基于数据融合的多目标多传感器跟踪理论[2]与技术。但最近一些年，交叉学科出现了蓬勃发展的趋势，尤其是目标跟踪理论和网络化平台技术等的发展，目标跟踪理论和技术收到了越来越多的挑战，但是人们对目标跟踪技术研究的热情却不会因此消散，而是越来越促进研究者们对其进行深入的研究与改进。
压缩跟踪算法[3]是目前目标跟踪技术研究的一个前沿方向，这是一种简单、高效、鲁棒的算法，但是该算法仍然存在一些缺陷，如不适应目标被遮挡，不适应目标尺寸变化等。在人们的不断努力下，对压缩跟踪算法进行了了适当的改进，这个改进的算法我们称之实时压缩跟踪算法。
1.2国内外研究现状
目标跟踪是利用目标的点、轮廓等明显特征与待匹配图像相匹配，从而得到匹配最符合的目标，把这个目标作为下一帧中跟踪点。目标跟踪有许多不同的分类：根据跟踪目标的背景复杂度划分成简单背景跟踪和复杂背景跟踪；根据跟踪目标数量的多少划分成对单个目标的跟踪和对多个目标的跟踪。目标跟踪的研究主要是两个方面，第一是提高目标匹配的准确性，第二则是提升目标跟踪时速度。
也因为图像设备和仪器的迅速发展，目标图像跟踪技术也变得越来越成熟。在图像目标跟踪技术中，可以先通过各种软件从视频中获取连续的图像序列，再采用合适的算法来采集目标运动的相关数据信息，如位置、形状、角速度等。
目前，国际上已经有了非常多的关于视频跟踪的文献，在ECCV、BMVC、ACCV等区域性会议甚至在PAMI、IJCV、CVPR等顶级期刊会议上都有相当多的文献对目标跟踪进行相关研究。研究方法也是种类繁多，有基于卡尔曼滤波、粒子滤波、meanshift等概率模型的算法，有基于高斯、树形adaboost等分类器模型的算法，也有基于全局轨迹能量最优化等条件的算法。提取方法也是各式各样，有简单的颜色直方图，颜色自相关图，梯度信息的提取，还有haarlike特征[4]，HOG特征的提取以及基于压缩传感的特征提取。
国内的许多大学和研究所也对目标跟踪进行了相当充足的研究，但是国内大多数都是用来模拟视频监控，对于那些实际场所的实时性监控我们的研究还很不充分。
可见视觉跟踪给人类生活带来了极大的便利，世界各国都意识到了其重要性，都在不断对目标跟踪技术进行研究，使其服务于人类，造福于人类。
1.3需要解决的问题
目标跟踪作为模拟动物和人类视力智能的算法，需要解决一系列的问题，包括目标本身的问题和目标所在环境带来的影响。问题大致分为以下几个方面：
（1）图像的外界影响：图像成像模型容易受到外界光源、摄像机的距离与视角、透明度和遮挡等多种因素的影响，而像素值和这些因素之间呈非线性的依赖关系，像素值的改变常掩盖图像变化的真正原因；
目 录
摘 要 I
ABSTRACT II
目 录 III
第一章 绪论 1
1.1课题背景 1
1.2国内外研究现状 2
1.3需要解决的问题 3
1.4文章结构 3
第二章 几种目标跟踪方法的对比 5
2.1基于区域的目标跟踪方法 5
2.2基于活动轮廓的目标跟踪方法 6
2.3基于Mean shift的目标跟踪算法 6
2.4基于粒子滤波的目标跟踪算法 7
2.5基于对目标建模的方法 8
2.6基于特征的跟踪算法 8
第三章 压缩跟踪算法 9
3.1获取图像的多尺度特征 9
3.2获取稀疏测量矩阵 10
3.3用稀疏测量矩阵对目标图像特征进行降维 12
3.4用朴素贝叶斯分类器对目标进行分类 12
3.5压缩跟踪算法流程 14
第四章 对压缩跟踪算法的研究 15
4.1 开发环境 15
4.2 视频材料分析 17
4.2.1路人行走跟踪的图像序列 17
4.2.2 对手掌张握跟踪的图像序列 18
4.3 结果分析 19
第五章 对压缩跟踪算法的改进 20
5.1对目标尺寸变化的改进 20
5.2对目标被遮挡的改进 21
5.3 改进算法的跟踪速度 23
5.4改进前
*好棒文|www.hbsrm.com +Q: ^3^5^1^9^1^6^0^7^2^*
后算法对比 24
第六章 总结与展望 26
参考文献 27
致 谢 29
附 录 30
绪论
1.1课题背景
图像和视频是人们日常生活中接收信息的一条重要渠道，而视频监控系统因其便捷、直观等的优点越来越受到人们的关注，从而在社会各个方面得到了越来越广泛的应用。在视频监控系统中，目标跟踪是不可缺少的环节。目标跟踪技术已经成为计算机视觉领域最热门的方向之一，在各类工作中承担着举足轻重的作用：
—安全监督，如对交通的监督，这是通过实时地对交通进行跟踪，记录每个时间段的数据，然后通过这些数据对交通流动方向进行有效的指导；
—机器人导航，比如车辆导航系统，这是一种对路径进行尽可能方便的规划和避免遇到障碍的能力；
—自动化监测，比如对公路限速地段进行超速监测；超市里面的全局监督；
—人机交互，比如将人的姿势和眼睛建立一个适当的模型然后将其数据读取到计算机中；
—对运动的识别，比如物体自身进行自动的监测等。
目标跟踪理论与技术经历了一段相当长的发展期，从1948年麻省理工学院研制出“雷达自动跟踪”和“火炮指挥仪”开始，在漫长的岁月里形成了两大体系，即经典的维纳滤波和近代卡尔曼滤波理论[1]体系。其中，卡尔曼滤波理论是在维纳滤波理论的基础上创建的状态空间线性系统理论，这一理论为很多著名理论奠定了理论基础，如最优估计理论，最优控制理论等，具有重要的历史地位。就目前而言，卡尔曼理论总体上取代了维纳滤波理论的作用，这是因为物竞天择，科学理论也是如此，而维纳滤波理论不能够符合现代目标跟踪系统的需求，所以越来越少的被人们知晓。在卡尔曼滤波理论体系诞生的50多年里，国内外陆续出版了去多关于目标跟踪的专业著作，这些专著可以分为两大类别，其中一类是基于科尔曼滤波理论的多目标单传感器跟踪理论与技术；而另一类则是基于数据融合的多目标多传感器跟踪理论[2]与技术。但最近一些年，交叉学科出现了蓬勃发展的趋势，尤其是目标跟踪理论和网络化平台技术等的发展，目标跟踪理论和技术收到了越来越多的挑战，但是人们对目标跟踪技术研究的热情却不会因此消散，而是越来越促进研究者们对其进行深入的研究与改进。
压缩跟踪算法[3]是目前目标跟踪技术研究的一个前沿方向，这是一种简单、高效、鲁棒的算法，但是该算法仍然存在一些缺陷，如不适应目标被遮挡，不适应目标尺寸变化等。在人们的不断努力下，对压缩跟踪算法进行了了适当的改进，这个改进的算法我们称之实时压缩跟踪算法。
1.2国内外研究现状
目标跟踪是利用目标的点、轮廓等明显特征与待匹配图像相匹配，从而得到匹配最符合的目标，把这个目标作为下一帧中跟踪点。目标跟踪有许多不同的分类：根据跟踪目标的背景复杂度划分成简单背景跟踪和复杂背景跟踪；根据跟踪目标数量的多少划分成对单个目标的跟踪和对多个目标的跟踪。目标跟踪的研究主要是两个方面，第一是提高目标匹配的准确性，第二则是提升目标跟踪时速度。
也因为图像设备和仪器的迅速发展，目标图像跟踪技术也变得越来越成熟。在图像目标跟踪技术中，可以先通过各种软件从视频中获取连续的图像序列，再采用合适的算法来采集目标运动的相关数据信息，如位置、形状、角速度等。
目前，国际上已经有了非常多的关于视频跟踪的文献，在ECCV、BMVC、ACCV等区域性会议甚至在PAMI、IJCV、CVPR等顶级期刊会议上都有相当多的文献对目标跟踪进行相关研究。研究方法也是种类繁多，有基于卡尔曼滤波、粒子滤波、meanshift等概率模型的算法，有基于高斯、树形adaboost等分类器模型的算法，也有基于全局轨迹能量最优化等条件的算法。提取方法也是各式各样，有简单的颜色直方图，颜色自相关图，梯度信息的提取，还有haarlike特征[4]，HOG特征的提取以及基于压缩传感的特征提取。
国内的许多大学和研究所也对目标跟踪进行了相当充足的研究，但是国内大多数都是用来模拟视频监控，对于那些实际场所的实时性监控我们的研究还很不充分。
可见视觉跟踪给人类生活带来了极大的便利，世界各国都意识到了其重要性，都在不断对目标跟踪技术进行研究，使其服务于人类，造福于人类。
1.3需要解决的问题
目标跟踪作为模拟动物和人类视力智能的算法，需要解决一系列的问题，包括目标本身的问题和目标所在环境带来的影响。问题大致分为以下几个方面：
（1）图像的外界影响：图像成像模型容易受到外界光源、摄像机的距离与视角、透明度和遮挡等多种因素的影响，而像素值和这些因素之间呈非线性的依赖关系，像素值的改变常掩盖图像变化的真正原因；
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/1143.html
