简介:关于对不知道怎么写跟踪目标论文范文课题研究的大学硕士、相关本科毕业论文跟踪目标论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
凌 超 吴薇
（论文范文工程大学通信工程系 陕西西安 710086）
摘 要：分析和描述了当前运动目标跟踪的有关方法,通过分类介绍的形式,从跟踪方法的研究现状、研究进展、应用领域等方面进行讨论.比较介绍了几种方法的优缺点以及研究过程中所面临的难题.最后对运动目标跟踪算法的研究前景进行了展望.
关键词：目标跟踪 视频图像 机器视觉
中图分类号：TP3 文献标识码：A 文章编号：1672-3791(2011)06(a)-0000-00
随着计算机技术的飞速发展,视频图像中的运动目标跟踪作为计算机科学、人工智能、数学等多学科的结晶,逐渐成为图像处理和计算机视觉领域的研究热点,其应用范围也逐渐拓展,目前,运动目标跟踪已经运用到了智能人机交互、医疗诊断、军事制导、天文观测、安全监控等众多领域.因此,在实际应用中,对运动目标跟踪算法的研究具有重要的理论价值和现实意义.
1.基于区域的跟踪
基于区域的跟踪方法首先要得到包含目标的区域模板,模板的提取一般通过图像分割获得或者是预先人为确定,模板通常为略大于目标的矩形,也可以是不规则形状,然后设定一个相似性度量,在序列图像中搜索目标,把度量取极值时对应的区域作为对应帧中的目标区域.由于提取的目标模板是以目标整体作为对象,它包含了较完整的目标信息,因而具有较高的可信度.
由于该方法以目标的整体特征信息作为跟踪依据,所以在目标发生较小形变等情况下仍然可以准确的对目标进行跟踪；在目标未被遮挡时,跟踪的准确性和鲁棒性也较好.其缺点首先是这种方法需要对整个图像区域进行搜索,要求获取的信息较多,因此比较耗时,不能满足实际应用中视频监控实时性的要求,这种方法一般用于跟踪较小的目标或者对比度较低的目标；而且跟踪的目标变形不能太大,否则会导致跟踪精度下降甚至目标丢失；而且,当目标出现太大遮挡时,也容易造成跟踪目标的丢失.针对这些缺陷,近年来,对于基于区域跟踪方法研究最多的是如何处理包含目标的模板更新,以保证跟踪的连续性和稳定性.
2.基于活动轮廓的跟踪
基于活动轮廓跟踪的基本思想是提取物体的边界轮廓作为轮廓模板,利用封闭的曲线轮廓来表达运动目标,在后继帧的二值边缘图像中跟踪目标轮廓.由于这种方法所使用的模板是目标轮廓,并且匹配过程是在二值图像中进行,所以相对基于区域的跟踪算法来说,它的优点是计算量较小,而且在目标被部分遮挡的情况下也能连续的进行跟踪.近来发展很快的两种基于轮廓匹配的跟踪算法：一是主动轮廓线跟踪算法(Snake模型),Kass[1]等人在1987 年提出了主动轮廓模型,也称其为蛇模型,它是一条可变形曲线（Snake曲线）,可任意调整曲线形状使其与目标轮廓保持一致.另一种是基于Hausdorff距离的轮廓跟踪算法.基于 Hausdorff 距离的形状匹配不同于其他的形状匹配,一方面,Hausdorff距离不需要建立两个点集中的点之间一一对应的关系,并且对图像噪声和晃动具有较好的鲁棒性.其缺点是当所匹配的点的数目比较大时,匹配效率会迅速降低,通常计算量也较大.
在基于活动轮廓方法中,初始化轮廓是整个算法的核心和关键,如何准确的获取运动目标的初始轮廓也是算法研究中的一个难题,而且运动物体轮廓的更新比较困难,这也决定了基于活动轮廓的方法无法在目标跟踪中得到普遍应用.
3.基于特征的跟踪算法
基于特征的跟踪方法基本思想是,在跟踪过程中首先提取目标的某个或某些具有不变性的特征,然后利用相关算法实现对运动目标的跟踪.该方法包括特征提取和特征匹配两个过程.目前常见的特征选择有角点、纹理、色彩等,但在序列图像中,单一的特征选取往往无法实现跟踪的准确性.因此,基于多特征融合的目标跟踪成为当前研究的趋势.基于特征的方法其优点是能够在部分遮挡的情况下,仍旧实现目标跟踪,在准确选取特征点的前提下,还可以克服关照改变以及目标发生几何形变时带来的跟踪障碍.同时,该方法还可以将与粒子滤波器[2]、mean-shift算法[3]等结合使用,提高跟踪的实时性和鲁棒性.
4.基于模型的跟踪
基于模型的跟踪方法首先是对目标物体的外形特征进行建模,然后通过一定的匹配方法跟踪目标,并进行模型的实时更新.常用的表征物体模型的形式一般分为三类：线图模型、2D模型和3D模型.目前应用较多的是利用物体的三维立体模型.基于模型的跟踪方法即使在目标姿态变化和部分遮挡的情况下,仍旧可以精确分析目标的运动轨迹,实现可靠的跟踪,因而它有较强的鲁棒性.但是由于在现实生活中获得所有运动目标的精确模型是非常困难的,因此限制了基于模型的跟踪算法的使用.其次,该跟踪方法需要大量的时间来计算复杂的模型,比较耗时,不能满足跟踪过程中的实时性和迅速性要求.
5.结束语
视频图像跟踪作为机器视觉领域研究的一个重要内容,融合了多个学科的知识,具有很大的理论和应用价值,尽管目前对视频图像中运动目标跟踪的研究取得了较多的成果,但仍有很多亟待解决的问题,比如怎样解决算法实时性和准确度之间的矛盾,同时,算法研究的通用性也始终未能取得全面性的突破和进展,因而研究进程中将会面临许多的挑战.伴随着多媒体技术、生物学技术以及神经理论知识的不断进步,同时基于社会各行各业对于目标跟踪技术的不断增长的需求,相信不久之后,运动目标的跟踪技术将会得到飞速的发展.
opencv多目标跟踪代码:O论文范文o Mobile自动跟踪目标移动演示
参考文献
[1] KASS M, WITKIN A. Snakes: active contour models [J]. International J of Computer Vision , 1988,1:321-331.
[2] 刘一鸣,周尚波. 基于多特征融合的粒子滤波视频跟踪算法[J]. 计算机工程,2010,36（11）：228-230.
[3] 翟海涛,吴健,陈建明,崔志明. 基于SIFT特征度量的Mean Shift目标跟踪算法[J]. 计算机应用与软件, 2011,28（6）：47-51
总结：本论文是一篇免费优秀的关于跟踪目标论文范文资料，可用于相关论文写作参考。
opencv多目标跟踪代码引用文献:
[1] 财务管理目标专业论文题目 财务管理目标论文题目怎么定
[2] 财务会计目标学论文选题 财务会计目标论文标题如何定
[3] 跟踪审计方向论文选题 跟踪审计论文题目怎么定
