国内外研究现状和研究意义

吉林大学博士学位论文背景及意义视觉是人类感知外界信息的重要手段，外界信息的80%以上都是人类通过视觉获取的，当今社会，视频在人类的生产、生活中被广泛传播，成为了人们获取信息最重要的手段。伴随着电子计算机处理能力的飞速发展，人们利用视频内容为自己服务的要求越来越高，利用计算机的高速处理能力为人类提供更加直接有效的视频信息变得越来越重要，智能视频处理的研究越来越受到重视，视频监控系统的应用也日益广泛。目标跟踪作为智能视频处理的一个重要分支，得到了各国学者的重视，这其中有很多原因使得目标跟踪被大家所关注，其一，计算机的快速发展使得视频处理的大量运算得以实现；其二，存储介质的价格不断降低，使得大量的视频信息得以保留，方便后期调用；第三，军事、民事的需求增强，人们都想借助计算机协助改善生活质量。目标跟踪在如下领域已经在发挥无可替代的作用：（1）军事应用，军事上的巨大应用前景极大促进了运动目标识别技术的发展，远程导弹、空空导弹的精确打击，飞机航线的设定和规避障碍等都离不开目标跟踪技术，无人机的自动导航功能，通过将目标跟踪得到的位置信息和自身航行速度做分析，实现自主飞行。（2）机器人视觉，智能机器人能像人类一样运动的前提就是它能“看”到外面的世界，并用“大脑”对其分析判断，认知并跟踪不同的物体，机器手需要通过在手臂上安装的摄像头，锁定目标，并跟踪其运动轨迹，跟踪抓取物体。（3）医学影像诊断，目标跟踪技术在超声成像中目标自动跟踪分析有着广泛的应用前景，由于超声图像噪声非常大，有用信息很难清楚直接的通过肉眼定位识别，在整个视频中，对有用目标进行准确识别跟踪，将会极大提高诊断准确性，Ayache等人已经将目标跟踪应用到了超声检查的心脏跳动中，为医生及时准确的诊断心脏问题提供了很大的帮助。（4）人机交互，传统的人机互动是通过鼠标、键盘、显示器完成的，一旦机器能够跟踪人类的肢体运动，就可以“理解”人类的手势、动作，甚至嘴型，彻底改变传统的人机交互方式，将人机交互变得和人与人之间的交流一样清晰。（5）车辆跟踪，目标跟踪的一个非常重要的贴近民生的应用就是车辆跟踪。随着汽车相关技术的不断成熟和居民生活质量的大幅提升，我国从自行车大国逐步过度到汽车大国，家庭对汽车的拥有量将发生井喷，越来越多的家庭拥有自己的汽车，使得道路交通负担越来越重。另一方面，城市建设已经定形，城市中的公路已经无处可修，有限的公路对应不断增加的汽车数量，使得交通事故频发，这些问题对道路交通管理提出了更加严格的要求，逐步形成了智能交通系统的概念。智能交通能够由计算机自动识别车辆信息，并跟踪车辆行驶，分析闯红灯，违章变线，车辆逆行等违章行驶事件，将会极大减轻交通警察的工作压力，提高行车安全，减少交通事故的发生。另一个重要的应用是，如果车辆的目标跟踪得到快速发展，那么自动驾驶将成为可能，现在车辆上应用的定速巡航功能，仅仅可以做到定速，也就是电脑控制车速保持，而无法自动识别路面上车辆行驶情况，自动控制车辆的转弯变速，一旦车辆的目标跟踪技术成熟，那么将会给道路交通带来非常深远的影响，极大提高人们的生活质量。1.2国内外研究现状目标跟踪领域的研究是一个非常复杂的课题，随着信息技术的飞速发展，视频监控深入到了人们生产生活中的各个领域，自然引起了各国学者的重视，许多国家投入了大量的人力物力财力去深入研究，解决目标跟踪领域出现的问题，促使目标跟踪算法的飞速发展，视频目标跟踪领域的提出以及发展现状简要的叙述如下：Wax于1955年最早提出了目标跟踪理论的基本原理，Sittler于1964年提出目标点轨迹的概念和目标运动路径最优数据关联的贝叶斯理论，由此改进了目标跟踪算法，为后来目标跟踪理论的成熟打下了基础。70年代，Yaakov和Singer于将卡尔曼滤波算法和相关的数学理论引入到目标跟踪算法中，促使目标跟踪技术在这个时期发生了非常大的发展，之后很多科学家在运动目标跟踪和数据相关等方面提出了自己的算法，比如当时比较有影响的算法：时间相关模型联合数据关联滤波器、多重假设目标跟踪、交互式多模型滤波、概率数据关联滤波、分层融合滤波等很多经典算法。90年代后，ChengXRL，KirubarajanT，MoriS等一些目标跟踪领域的学者在均值偏移理论、概率多假设追踪、变结构多模型、分布的目标融合等几个方面做出了突出贡献，将目标跟踪领域向前推进了一大步，特别是1995年，Cheng对Meanshift理论进行的完善，定义了核函数，针对样本点的不同偏移位置，应用不同的统计特性，并且提出了权值系数，使得不同样本点的权值也不相同，极大的增强了运动目标跟踪的时效性和准确性。这之后一直到今天，在目标跟踪领域中，meanshift算法及其改进算法一直是学者研究的重点。进入21世纪，DoucetA,GordonN，GodsllSJ，MaskellS等学者又将粒子滤波方面的研究成果加入到目标跟踪领域中，粒子滤波可以用来解决非线性、非高斯分布的情况，但粒子滤波依旧有很多方面需要改进，针对粒子滤波的目标跟踪算法受到了相关领域研究者的广泛关注。当前众多的学术期刊，每年都有很多篇有关目标跟踪领域的学术论文发表，如IEEETransactionsonPatternAnalysisiandMachineIntelligence(PAMI)，IEEETransactionsonImageProcessing（IP），IEEETransactionsonPatternAnalysisiandMachineIntelligence，（TPAMI）TheInstituteofElectronics,InformationandCommunicationEngineers（IEICE）等都很重视目标跟踪领域学术成果。很多世界上顶级的学术会议每年也都有专门的目标跟踪方面的分会，如IEEEConferenceonComputerVisionandPatternRecognition（ICCVPR），IEEEConferenceonComputerVision（ICCV）等。国外很多著名的学府也都成立的专门的计算机视觉实验室，对目标识别、检测、跟踪进行专门的研究，如CarnegieMellonUniversity，StanfordUniversity，MassachusettsInstituteofTechnology，RoyalInstituteofTechnology，UniversityofCambridge等。很多公司研究机构也成立了目标检测跟踪项目部，对目标跟踪领域的应用进行更加深入的挖掘，如SRIInternational，BAE，TheBeckmanInstitute，MitsubishiElectric等。国内目标跟踪领域起步较国外有些滞后，但是近年来越来越多的高校和研究所开始重视目标跟踪方面的研究，并且取得了非常不错的研究成果，这其中包括了清华大学，哈尔滨工程大学，华中科技大学，上海交通大学，国防科技大学，吉林大学，中国科学院计算机技术研究所等。国内的学术期刊也重视视频跟踪方面学术成果的交流，每年都会有很多目标跟踪方面的学术论文发表，如计算机学报，软件学报，自动化学报等。在车辆跟踪领域，当今世界的发达国家都将智能交通作为重要的研究课题进行研究和规划。美国交通部早在1999年就将车辆检测系统加入其高速公路的检测系统（HPMS，HighwayPerformanceMonitoringSystem）的评测报告中。智能交通领域的专家预测的未来智能交通系统会给人类带来很多有意的改善，包括交通拥堵量下降20%，由于拥堵造成时间延误所带来的损失将减少10%-25%,车辆油耗降低30%，同时废弃排放减少20%，最重要的是可以极大减少车祸的发生概率，预计可降低50%-80%。1.3车辆目标跟踪的关键问题1.3.1目标的特征提取在目标跟踪之前，我们首先需要得到要识别的目标，也就是在跟踪初始化的第一帧图像上找到要跟踪的目标，并对这个目标用数学表达式进行描述，以便在之后的跟踪过程中，适时的识别目标特征。目标描述的方法直接决定了目标跟踪的准确性和实时性，一个好的目标描述方法可以剔除噪声干扰，当车辆发生运动速度变化或者自身形态变化时，依然能够根据车辆目标的特征，准确的识别目标。所以对目标的描述方法直接决定了目标跟踪的质量，一个更加科学有效的车辆目标描述方法是众多目标跟踪领域学者不懈追求的目标。目标特征有很多方面，下面对特征提取方法做简单分类如下：目标颜色的特征提取：对目标的颜色进行汇总，形成的颜色直方图是一种广泛应用的图像特征描述方法。这个方法统计同一种颜色在整幅图像中的数量，形成全体颜色的比例直方图。只关注颜色和其对应的数量，而对不同颜色像素点在整幅图中所处的位置不做记录，这种方法不去关心物体的变化，更不去关注物体的边缘，只关注颜色的比例，适合变化物体和边缘不清晰物体的分割方法。图像的色彩空间有很多种分类，分别适用于各自的图像处理领域。RGB颜色模式是由红、黄、蓝（RGB）三种颜色按照一定比例叠加在一起，形成各种颜色。它是一种人们生活中最常用的颜色表示方法，RGB颜色模式几乎囊括了人眼可以识别的所有大自然的色彩，这种颜色标准也被大量应用在工业应用中。HSV(Hue,Saturation,Value)是根据颜色的直观特性由SmithAR，在1978年创建的一种颜色空间,也称六角锥体模型(HexconeModel)。HSV颜色模型是由色调、饱和度、亮度（HSV）三种参数组合形成的。它的三维表示从RGB演变而来，在RGB立方体的对角线顶点向下观察，就可看出RGB立方体的六边形的形状，其中的色彩是由六边形边界表示的，饱和度是由水平轴表示的，亮度是由垂直轴表示的。LUV色彩空间全称CIE1976(L,u,v)色彩空间，L表示物体亮度，u和v是色度。于1976年由国际照明委员会(InternationalCommissiononIllumination)提出，由CIEXYZ空间经简单变换得到，具视觉统一性。类似的色彩空间有CIELAB。对于一般的图像，u和v的取值范围为-100到+100，亮度为0到100。目标边缘的特征提取：目标边缘特征在图像中表现为灰度值的阶跃变化，通过对变化灰度值的检测，得到目标边缘信息，完成对目标的特征提取。相对上面提到的目标颜色特征提取，目标边缘的特征对光照等外部环境变化有较高的稳定性。经典的目标边缘检测方法有Sobel模板，Prewitt模板，Roberts模板等，它们都是通过梯度算子来实现的。在这些模板上提出的边缘检测算子可以通过信噪比求出最优边缘滤波器。之后发展起来的Canny边缘检测方法在得到更高精确度的前提下，降低了计算的复杂度，得到了广泛的应用。目标纹理的特征提取：目标的纹理特征是表面细节信息的一种，可以描述目标表面的平滑性和规律性。想要获得目标的纹理特征，需要预先对图像进行处理，灰度共生矩阵，可控金字塔等都能较好的提取目标的纹理特征。目标调频调幅特征提取：调频调幅的方法是对图像频率和幅度调制进而对图像分析的一种手段。利用这个特征对目标进行跟踪时，对目标的尺度变化和目标运动旋转不敏感，能较好的完成目标跟踪。目标混合特征提取：目标不同特征都有其适应的环境，在一个变化的环境中找到一个目标特征能够准确的对目标进行描述非常重要。对于光照变化较大的环境，目标的纹理特征要优于目标的颜色特征；而在描述刚性目标时，边缘特征又较纹理特征有优势。将目标的多重特征综合在一起去对目标进行表达，可以起到优势互补的效果，得到鲁棒性更强的目标特征。ZhangB等人将目标的颜色特征和目标的纹理特征融合在一起，提出目标的混合特征描述等学者将目标的颜色特征和方向梯度特征融合在一起进行特征描述。SunL等人提出整体描述与局部描述的融合特征描述方法，都取得了很好的效果。目标跟踪算法对于视频中的运动物体，在确定了目标特征的描述后，得到目标的观测模型，根据观测模型，利用目标跟踪算法即可对运动目标进行跟踪，根据目标检测和跟踪的关系划分如下：（1）先检测，后跟踪：首先检测