多目标跟踪算法研究
１ABSTRACT １KEY WORDS １引言 １1．绪论 １1.1 多目标跟踪的研究意义 １1.2 国内外研究状况 ２1.2.1 国外研究状况 ２1.2.2 国内研究状况 ２1.3 研究的内容 ２2 开发平台及应用技术 ３2.1 VISUAL STUDIO 2010 ３2.1.1 简介 ３2.1.2 Visual Studio 2010特点 ３2.2 OPENCV ３2.2.1 OpenCV简介 ３2.2.2 OpenCV的特点 ３2.2.3 OpenCV模块 ３2.2.4 OpenCV的应用领域 ４3 多目标检测与跟踪方法 ４3.1多目标检测 ４3.1.1背景减除 ４3.1.2 时间差分 ５3.1.3 光流法 ５3.2 多目标跟踪 ６3.2.1 基于主动轮廓的跟踪 ６3.2.2 基于特征的跟踪 ６3.2.3 基于区域的跟踪 ７3.2.4 基于模型的跟踪 ７4 基于OPENCV运动目标的检测与跟踪 ７4.1 基于CANNY及连通区域分析的检测跟踪 ７4.1.1 Canny算子 ７4.1.2 程序的设计思路 ９4.1.3 程序的设计流程 ９4.1.4 程序中的详细设计 ９4.1.5程序中用到的函数说明 １０4.2 基于SURF特征角点匹配的检测跟踪 １０4.2.1 SURF特征点 １０4.2.2 程序的设计思路 １２4.2.3 程序的设计流程 １２4.2.4 程序中的详细设计 １２4.2.5程序中用到的函数说明 １３4.3 基于CAMSHIFT的检测跟踪 １３4.3.1 CamShift算法 １３4.3.2程序的设计思路 １４4.3.3程序的设计流程 １４4.3.4 程序中的详细设计 １４4.3.5程序中用到的函数说明 １５5 测试 １５5.1 CANNY及连通区域分析检测与跟踪 １５5.2基于SURF特征角点匹配的检测跟踪 １６5.3 CAMSHIFT检测与跟踪 １７6 总结与展望 １８6.1 三种检测跟踪方法的比较 １８6.1.1每帧耗时 １８6.1.2准确率 ２０6.2 论文总结 ２０6.3 今后的研究和工作展望 ２１致谢 ２１参考文献 ２２附录1 ２３附录2 ２７多目标跟踪算法研究计算机科学与技术专业学生 谭孟元指导教师 薛卫视频目标跟踪研究是视觉领域的一个重要课题，受到国内外学者的普遍关注，具有广泛的应用前景，其中视频多 *好棒文|www.hbsrm.com +Q: *351916072*
目标跟踪是高级视频内容分析的基础。由于目标数目不定，并且多个目标之间存在交互作用，使得视频多目标跟踪成为目标跟踪中的一个难点。近年来，尽管人们对视频多目标跟踪进行了较广泛的研究，并提出了许多新颖的跟踪算法，但是仍然很难得到稳定、精确的跟踪结果。本次设计中在利用Intel公司的开源OpenCV计算机视觉库的基础上，采用了canny边缘检测跟踪，surf模版匹配进行检测跟踪和基于颜色的Camshift算法进行对静止背景上的多目标进行检测跟踪。本文通过上述三种方法对目标进行检测跟踪并对几种方法之间的优劣性进行比较。
目录
Research on Multitarget Tracking Algorithms
Student majoring in computer science and technology TAN Mengyuan
Tutor XUE wei
Abstract：Video target tracking is an important research topic in vision field,which has been generally concerned by researchers widely with a wide range of applications. Video multitarget tracking is the basis of advanced video content analysis. video multitarget tracking is the difficulty of target tracking because of variable number of targets and interaction between multiple targets.In recent years, despite of the extensive study of video multitarget tracking and many new tracking algorithm, it is still difficult to obtain stable and accurate tracking results.This project use canny edge detection and surf template matching based on Intels open source computer vision library OpenCV to perform detecting and tracking. Colorbased camshift algorithm is also used in multitarget detecting and tracking on a static background.In this paper, three methods mentioned above is used and compared for target detection and tracking.
Key words: Algorithm；Multitarget Tracking；OpenCV
引言 运动目标检测与跟踪是当今国内外热门的研究问题,是计算机视觉领域中的一个重要课题。运动目标检测处于整个跟踪系统的最底层,是目标识别、跟踪的难点和关键环节,目标提取的好坏直接影响着后续的各种处理结果。运动目标跟踪应用在很多领域,包括智能交通、导航、视频监控等,同时,它在雷达、信号处理、生物医学工程等领域也有着重要的应用。运动目标跟踪就是在视频序列中实时地找到所要检测跟踪的运动目标。在运动目标跟踪的方法上,总的来说有两种方法:a)不依赖于先验知识, 直接从图像序列中检测到运动目标, 并进行目标识别, 最终跟踪感兴趣的运动目标；b)依赖于目标的先验知识,在视频序列中提取目标特征,采用适当的匹配算法,确定跟踪目标所处的位置，进而对运动目标进行跟踪。围绕这两种方法,有了大量行之有效的运动检测与跟踪算法。但至今为止,运动检测与跟踪算法的鲁棒性、准确性和实时性的统一仍是尚未解决好和正在努力追求的目标。
1．绪论
1.1 多目标跟踪的研究意义
进入19世纪以来，计算机技术快速发展、处理能力不断提高，利用计算机实现人类视觉功能的问题应用而生，并成为最热门的课题。所谓的计算机视觉是指利用计算机代替人类的大脑，对类似于人类视觉器官的各种成像系统感知的外界事物进行处理、分析和解释，完成对外界事物的认识和理解以及相关的任务的执行。摄像机是计算机视觉系统主要的输入手段，分析和处理视频、图像是计算机视觉技术的核心部分。近年来，由Intel和WllfowGarage主导开发的开源计算机视觉库(OpenCV)更加方便了计算机视觉技术的商业应用和研究发展。计算机视觉技术的领跑者NVIDIA也加入了OPenCV的研发，他主导的硬件加速技术CUDAGPU己经可以支持OpenCV，在机器人、医疗、汽车、安全、消费、制造等众多领域开发的先进应用程序中得到了广泛的应用[1]。
计算机视觉技术包含目标检测、目标分割、目标识别、目标跟踪等多个子问题，其中视频目标跟踪问题是计算机领域中应用最广泛的一个问题。给定一个视频图像序列，检测、提取、识别其中特定的运动目标，并对其进行跟踪，获得目标的运动参数，如运动目标的位置、运动目标的速度、运动目标的加速度等，并且维护运动目标在视频图像序列中的航迹，这便是视频目标跟踪的概念。
图像序列
图11 视频目标行为分析的一般框架
从现有的主流研究成果来看，最常见的视频目标跟踪和行为识别系统结构如图1所示。它包括几个模块：运动分割、目标检测、目标跟踪、行为识别[2]。运动分割对输入图像进行预处理，提取最有信息量、最感兴趣的图像区域。目标检测利用帧间运动或形态模板得到目标出现时的初始位置和状态。在这个初始位置的帮助下，目标跟踪模块可以迭代地得到后面每一帧的目标状态。最后，利用目标检测、跟踪的结果，目标的行为通过预先学习的模型被识别出来。运动分割和目标检测技术已经日趋成熟，用现有方法可以达到理想的效果。
国内外研究状况
1.2.1 国外研究状况
目前，美国、欧洲等发达国家已开展了大量视频中多运动目标跟踪技术的研究，并取得了很多显著的成果，但基本上还处于研究开发阶段，因此只有少数产品已投入应用。国内在视频多目标跟踪技术的研究起步相对较晚，但已有很多科研机构在这方面进行了研究，并取得了一定的成果。然而大多数研究成果缺乏实际监控场景的应用，仍有许多不足。
1.2.2 国内研究状况
目标跟踪是高级视频内容分析的基础。由于目标数目不定，并且多个目标之间存在交互作用，使得视频多目标跟踪成为目标跟踪中的一个难点。近年来，尽管人们对视频多目标跟踪进行了较广泛的研究，并提出了许多新颖的跟踪算法，但是仍然很难得到稳定、精确的跟踪结果。本次设计中在利用Intel公司的开源OpenCV计算机视觉库的基础上，采用了canny边缘检测跟踪，surf模版匹配进行检测跟踪和基于颜色的Camshift算法进行对静止背景上的多目标进行检测跟踪。本文通过上述三种方法对目标进行检测跟踪并对几种方法之间的优劣性进行比较。
目录
Research on Multitarget Tracking Algorithms
Student majoring in computer science and technology TAN Mengyuan
Tutor XUE wei
Abstract：Video target tracking is an important research topic in vision field,which has been generally concerned by researchers widely with a wide range of applications. Video multitarget tracking is the basis of advanced video content analysis. video multitarget tracking is the difficulty of target tracking because of variable number of targets and interaction between multiple targets.In recent years, despite of the extensive study of video multitarget tracking and many new tracking algorithm, it is still difficult to obtain stable and accurate tracking results.This project use canny edge detection and surf template matching based on Intels open source computer vision library OpenCV to perform detecting and tracking. Colorbased camshift algorithm is also used in multitarget detecting and tracking on a static background.In this paper, three methods mentioned above is used and compared for target detection and tracking.
Key words: Algorithm；Multitarget Tracking；OpenCV
引言 运动目标检测与跟踪是当今国内外热门的研究问题,是计算机视觉领域中的一个重要课题。运动目标检测处于整个跟踪系统的最底层,是目标识别、跟踪的难点和关键环节,目标提取的好坏直接影响着后续的各种处理结果。运动目标跟踪应用在很多领域,包括智能交通、导航、视频监控等,同时,它在雷达、信号处理、生物医学工程等领域也有着重要的应用。运动目标跟踪就是在视频序列中实时地找到所要检测跟踪的运动目标。在运动目标跟踪的方法上,总的来说有两种方法:a)不依赖于先验知识, 直接从图像序列中检测到运动目标, 并进行目标识别, 最终跟踪感兴趣的运动目标；b)依赖于目标的先验知识,在视频序列中提取目标特征,采用适当的匹配算法,确定跟踪目标所处的位置，进而对运动目标进行跟踪。围绕这两种方法,有了大量行之有效的运动检测与跟踪算法。但至今为止,运动检测与跟踪算法的鲁棒性、准确性和实时性的统一仍是尚未解决好和正在努力追求的目标。
1．绪论
1.1 多目标跟踪的研究意义
进入19世纪以来，计算机技术快速发展、处理能力不断提高，利用计算机实现人类视觉功能的问题应用而生，并成为最热门的课题。所谓的计算机视觉是指利用计算机代替人类的大脑，对类似于人类视觉器官的各种成像系统感知的外界事物进行处理、分析和解释，完成对外界事物的认识和理解以及相关的任务的执行。摄像机是计算机视觉系统主要的输入手段，分析和处理视频、图像是计算机视觉技术的核心部分。近年来，由Intel和WllfowGarage主导开发的开源计算机视觉库(OpenCV)更加方便了计算机视觉技术的商业应用和研究发展。计算机视觉技术的领跑者NVIDIA也加入了OPenCV的研发，他主导的硬件加速技术CUDAGPU己经可以支持OpenCV，在机器人、医疗、汽车、安全、消费、制造等众多领域开发的先进应用程序中得到了广泛的应用[1]。
计算机视觉技术包含目标检测、目标分割、目标识别、目标跟踪等多个子问题，其中视频目标跟踪问题是计算机领域中应用最广泛的一个问题。给定一个视频图像序列，检测、提取、识别其中特定的运动目标，并对其进行跟踪，获得目标的运动参数，如运动目标的位置、运动目标的速度、运动目标的加速度等，并且维护运动目标在视频图像序列中的航迹，这便是视频目标跟踪的概念。
图像序列
图11 视频目标行为分析的一般框架
从现有的主流研究成果来看，最常见的视频目标跟踪和行为识别系统结构如图1所示。它包括几个模块：运动分割、目标检测、目标跟踪、行为识别[2]。运动分割对输入图像进行预处理，提取最有信息量、最感兴趣的图像区域。目标检测利用帧间运动或形态模板得到目标出现时的初始位置和状态。在这个初始位置的帮助下，目标跟踪模块可以迭代地得到后面每一帧的目标状态。最后，利用目标检测、跟踪的结果，目标的行为通过预先学习的模型被识别出来。运动分割和目标检测技术已经日趋成熟，用现有方法可以达到理想的效果。
国内外研究状况
1.2.1 国外研究状况
目前，美国、欧洲等发达国家已开展了大量视频中多运动目标跟踪技术的研究，并取得了很多显著的成果，但基本上还处于研究开发阶段，因此只有少数产品已投入应用。国内在视频多目标跟踪技术的研究起步相对较晚，但已有很多科研机构在这方面进行了研究，并取得了一定的成果。然而大多数研究成果缺乏实际监控场景的应用，仍有许多不足。
1.2.2 国内研究状况
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1898.html
