智能视频监控中目标跟踪算法研究及应用.docx

《智能视频监控中目标跟踪算法研究及应用.docx》由会员分享，可在线阅读，更多相关《智能视频监控中目标跟踪算法研究及应用.docx（49页珍藏版）》请在第一文库网上搜索。

1、智能视频监控中目标跟踪算法研究及应用学生：指导教师：淮南师范学院物理与电子信息系摘要：视频监控中目标跟踪算法的研究及应用是实现视频监控系统的关键技术之一。实际视频监控系统中的场景往往是错综复杂、变化无常的，实现具有鲁棒性、准确性和实时性的运动目标检测和跟踪是当前智能视频监控技术努力的方向。本文研究了静态场景下运动目标跟踪的相关算法，给出了运动目标跟踪的实现方案，由于Lucas Kanade光流跟踪算法对目标仅仅跟踪其质心，存在跟踪目标容易丢失且鲁棒性不高的缺点；最小绝对差算法企图搜索目标模板、计算量大、实时性差；针对这两种算法在目标跟踪方面的不足，对其进行了相应的改进和完善。通过Lucas K

2、anade光流跟踪算法预测目标质心位置、并设定目标搜索区域减小最小绝对差算法计算量；将模板匹配定位之后更正的目标质心做为下一帧Lucas Kanade光流跟踪算法跟踪的特征点，可以减小单一光流法预测目标质心带来的误差，实现可靠的跟踪。关键词：运动目标跟踪；Lucas Kanade光流法；模板匹配Abstract： Video target tracking algorithm research and Application is one of the key techniques whichimplements intelligent video surveillance system(IV

3、SS). The real video surveillance system appliedenvironment is usually complex, full of variety. The realization of moving object detection and trackingwith veracity, real-time performanceand robustness is the direction for current IVSS study.This paperstudied under static scene tracking algorithms m

4、ovement are given, and the implementation scheme ofmoving object tracking Kanade light flow, because Lucas to target tracking algorithm only tracking itsexisting track the target centroid, easy to lose and robustness is not high weaknesses; Minimum absolutedifference algorithm map search target temp

5、late, large amount of calculation, real-time poor; In view ofthese two algorithm in target tracking deficiency, analyses the corresponding improvement and perfection.By Lucas Kanade light flow forecast target centroid position tracking algorithm, and set a target ofreducing the search area computati

6、on minimum absolute difference algorithm; Will the template matchingafter the target centroid position correction as the next frame Lucas Kanade light streaming trackingalgorithm tracking feature points can reduce a single light flow method for forecasting the errors caused bytarget centroid, achiev

7、e reliable tracking.Key words ： Sports target tracking;Lucas Kanade light flow method background model智能视频监控中目标跟踪算法研究及应用 21.引言1.1 研究背景和意义随着计算机技术、通信技术、图像处理技术的不断发展，目标检测与跟踪技术在移动机器人、战车与坦克、飞机、导弹、舰船等军事领域和航空航天、科学探测、天文观测以及视频监控等民用领域具有越来越广泛的应用，也称为自动控制、信号与信息处理、计算机视觉和模式事变等领域的研究热点。视频监控系统是公共安全技术防范系统的重要组成部分，它被广泛应用

8、于国防、国家安全、治安等多个方面，主要涉及军工、公安、交通、金融、电力、电信、供水、供气等重要部门。由于视频图像监控具有很强的直观性、实时性和可逆性，使得它在解决经营纠纷、预防和制止犯罪、处理治安和刑事案件、为公安侦察破案提供线索等方面有着其他防范设施难以发挥的作用。目前，基于视频序列的目标检测与跟踪技术在国内外各个领域和方面均得到了十分广泛的应用。在军事方面，军用卫星、战区导弹防御、侦察机、导弹制导、火控系统及小型自寻的导引头等军事武器均广泛应用了图像目标的识别与跟踪技术，大大提高武器系统的运动攻击性能及作战指标。美国空军“幼畜”导弹是最著名的一种电视制导导弹，由于目标的识别与跟踪技术的应用

9、，该导弹可做到自动发现并锁定目标，并对目标实施摧毁，大大提高了作战效能；武装直升机和现代坦克战车队也都借助到高性能光电稳定瞄准具等先进光电设备，如高清晰度前视红外传感器、高分辨率和高倍率的CCD传感器等光电设备，结合目标的识别与跟踪技术大大提高了其再战场中的生存能力、提高有效打击力、增加全天候作战效能。在民用方面，图像目标的识别与跟踪在科学探测、航空和航天对地观察、摄影和地形测绘上同样发挥着十分重要的作用。随着科学的发展和生活水平的提高，一些高档的手持、肩扛拍照和摄像系统也广泛地应用了人脸识别与跟踪技术，提高了系统的成像质量。运动目标的识别与跟踪在智能交通、身份识别等领域也得到了十分广泛的应用

10、，创造了很好的社会价值。因此，目前世界各国政府和学者，密切关注新一代的监控技术智能视频监控技术。它同以往的监控技术有着本质的区别，其主要特征是采用计算机视觉的方法，在几乎不需要人为干预的情况下，赋予计算机类似于人的理解动态场景的视觉能力，通过对视频序列中运动物体的检测与跟踪以及对运动行为与语义概念之间关系的表达与分析，形成对场景中运动物体行为及其相互关系的高层次语义上的解释，使计算机知道什么时候，在什么场景中，是什么人在做什么，并用自然语言来描述所发生的一切。更形象地说，智能视频监控系统1能够看，看被监控场景中目标物体的行为；能够想，理解目标物体的行为以为着什么；能够说，把想的结果用自然语言的

11、形式表达出来。因此只能视频监控系统具有看、思考和表达的能力。目前，智能视频监控系统取代了监控任务中人的大部分工作，是新一代的具有高度智能的监控技术2。1.2 国内外研究现状国外对基于视频的目标检测与跟踪的理论研究及应用研究起步较早，尤其在美国、英国等国家已经开展了大量相关项目的研究，并取得了一定的成果。现举例如下：1997 年美国国防高级研究项目署(Defense Advanced Research Projects Agency)设立了以卡内基梅隆大学(Carnegie Mellon University)为首、麻省理工学院(MassachusettsInstitute of Technol

12、ogy)等高校参与的视觉监控重大项目 VSAM(Visual Surveillance andMonitoring)也VSAM的目标是为未来城市和战场监控应用开发的一种自动视频理解技术，用于实现未来战争中人力监控费用昂贵、非常危险或者人力无法实现等场合下的监控。美国的麻省理工学院(Massachusetts Institute of Technology)在智能视觉监控方面也进行了深入的研究，其开发的监控系统己成功实现了对行人和车辆的检测与跟踪。英国的雷丁大学(University of Reading)己开展了对车辆和行人的跟踪及其交互作用识别的相关研究.61。美国的马里兰大学(Univer

13、sity of Maryland)开发了 W4(What, Where, When, Who)实时监控系统，该系统不仅能够定位人和分割出人的身体部分，而且通过建立外观模型来实现多人的跟踪，可以检测和跟踪室外环境中的人，同时可以检测人是否携带物体等简单行为，并对他们之间的简单交互进行监控。IBM与Microsoft等公司也正逐步将基于视觉的手势识别接口应用于商业领域中；在我国，这方面的研究起步较晚。目前，在国内的相关研究机构中，中科院自动化研究所下属的模式识别国家重点实验室成立的视觉监控研究小组处于该领域的领先地位。该实验室在交通场景的视觉监控、人的运动视觉监控和行为模式识别等方面作了深入的研究

14、，并取得了一定的成果模式识别实验室己经开始与英国雷丁大学就视觉监控项目开展了合作研究，并得到了英国皇家协会的支持；与法国波尔多第三大学EGID研究所在交通视觉监控等方面也展开了一系列的合作。除此之外，国内还有一些高校，如上海交通大学航空航天信息与控制研究所，华中科技大学图像识别与人工智能研究所，西安电子科技大学电子工程学院模式识别与智能控制研究所，桂林电子科技大学图像所等研究机构，都对该领域进行了相关的研究。1.3 运动目标及运动目标跟踪的概述智能视频监控中目标跟踪算法研究及应用 4运动目标是日常生活中常见的，如活动的动物、行驶的运载工具等。在现实生活中，尽管人类的视觉既能看见运动的物体又能看

15、见静止的物体，但是在许多场合，比如气象分析中的云图、安全监视中的人或动物、交通流量的控制等，大量有意义的视觉信息都包含在这些运动之中，人们往往只对运动的物体或目标感兴趣。因此，研究运动目标的检测问题，有着很大的现实意义和应用价值。目标跟踪一直是计算机视觉领域的一个经典问题，其基本任务可简述为在视频序列中对感兴趣的目标或对象的位置、速度等运动特征进行有效的确定或估计。目前，目标跟踪技术已经被广泛应用于众多生活和科研领域中。例如在视频编码、智能交通、视频监控等应用中，目标跟踪技术都起着非常重要的作用。对于目标跟踪算法，目前没有较为明确的分类方法。目前，几种性能较好、较受关注的跟踪算法如下：1)粒子滤波(Particle Filter)即蒙特卡罗(Sequential Monte Carlo)滤波在计算机视觉领域中的应用研究，它正在受到国内外的广泛关注。它的基本思想是用随机样本来描述概率分布，这些样本称为粒子，在测量的基础上通过调节各粒子权值的大小和样本的位置来近似实际概率分布，以样本的均值作为系统的估计值。这种方法可以用于任意非线性、非高斯随机系统的状态估计，克服了卡尔曼滤波的缺点。然而由于该算法的复杂性，降低了目标跟踪的实时性。诸如粒子退化、实时性差等问题需要进一步解决口 3J4。2)卡尔曼滤波g在运动估计