运动目标跟踪(入门级)

运动目标跟踪1概述运动目标跟踪在军事制导，视觉导航，机器人，智能交通，公共安全等领域有着广泛的应用。例如，在车辆违章抓拍系统中，车辆的跟踪就是必不可少的。在入侵检测中，人、动物、车辆等大型运动目标的检测与跟踪也是整个系统运行的关键所在。所以，在计算机视觉领域目标跟踪是一个很重要的分支。1概述安防监控领域的应用1概述交通管理领域的应用1概述军事领域的应用2运动目标检测运动目标检测是运动目标跟踪的前提；运动目标检测，依据目标与摄像机之间的关系可以分为：静态背景下的运动检测动态背景下的运动检测2.1静态背景下的运动检测整个监控过程中只有目标在运动，常用方法：背景差方法帧间差方法光流场法2.1.1光流法光流场是空间运动物体被观测表明上的像素点运动产生的瞬时二维速度场，包含了物体表面结构和动态行为的重要信息。光流法是给图像中的每一个像素点赋予一个光流矢量（即速度矢量），当物体和图像背景存在相对运动时，运动物体所形成的速度矢量必然和邻域背景速度矢量不同，通过对序列图像光流场的分析，计算出运动场后，对场景进行分割，从而检测出运动目标。2.1.1光流法2.2.2邻帧差分法将连续的两帧或三帧图像对应像素点的灰度值相减，当环境亮度变化不大时，如果对应像素相差很小，则认为这是由目标运动引起的，该处像素标记为运动目标。2.2.2邻帧差分法2.2.3背景相减法建立一个无运动目标的背景图像（第1帧无运动目标的图像或前N帧无运动目标的图像的均值或中值），然后将当前图像的像素值与背景图像的像素值相减，通过设置一定的阈值，风格运动目标。2.2.3背景相减法2.2动态背景下的运动检测监控过程中，目标和背景都在发生运动或变化，根据相机的运动形式分为以下两种：相机支架固定相机置于移动设备之上3运动目标跟踪处理三步骤步骤一：目标的有效描述（特征提取）提取目标的特征来达该目标，例如：图像的边缘、轮廓、形状、纹理、区域、直方图、矩特征、变换系数等3运动目标跟踪处理三步骤原图阈值分割高斯模型分割运动目标的准确分割对于获取特征信息很重要3运动目标跟踪处理三步骤步骤二：相似性度量计算（目标建模）常用的方法有：欧式距离、马氏距离、棋盘距离、加权距离、相似系数、相关系数等3运动目标跟踪处理三步骤步骤三：目标区域搜索匹配（特征匹配）常见的预测算法有：Kalman滤波、粒子滤波、Mean-Shift等。3运动目标跟踪处理三步骤将目标分片，建立目标分片表现模型（模板）。在目标上一帧的位置周围遍历搜索，找到与目标模板相似度最高的候选目标作为跟踪结果。3运动目标跟踪处理三步骤实时更新的模板3.1Mean-Shift（均值偏移）彩色直方图作为匹配特征，Mean-Shift跟踪算法反复不断的把数据点朝向mean-Shift矢量方向移动，最终收敛到某个概率密度函数的极值点。Mean-Shift跟踪算法中，相似度函数用于刻画目标模板和候选区域所对应的两个核函数直方图的相似性。因此，这种方法将跟踪问题转化为Mean-Shift模式匹配问题。3.1Mean-Shift（均值偏移）1.选择窗口的大小和初始位置2.计算此时窗口内的质心3.调整窗口的中心到质心4.重复2和3，直到每次窗口移动的距离小于一定的阈值3.2Kalman滤波卡尔曼滤波器是一个有噪声线性动态系统状态预估的递归算法，它是一个不断预测与校正的过程。当假设系统状态模型和观测模型都是线性且符合高斯分布，同时假设噪声也是高斯分布，线性卡尔曼滤波器是最优的滤波器。3.3粒子滤波当假设系统状态模型和观测模型都是非线性且符合不高斯分布，同时假设噪声也不是高斯分布，粒子滤波器是比较合适的滤波器。4最简单的例子——模板匹配法把全图的所有子区域和目标模板比较一下，找到最像目标模板的子区域，即目标的位置。4最简单的例子——模板匹配法假设目标模板是一个10*10的图像，可以被看作是一个100维的向量，每一维是一个像素点的灰度值。然后把这个向量和图像中的每一个子区域作比较，找出相关系数最大的子区域，目标的位置就找到了。4最简单的例子——模板匹配法需要考虑的问题：相关系数算法加速搜索策略模板大小5基于卡尔曼滤波器的跟踪方法利用前一帧获得的参数作为Kalman滤波的状态变量，当前帧获得的参数作为观测值，通过Kalman滤波推到获得估计值用估计值预测下一时刻目标的位置目标匹配搜索卡尔曼滤波器参数的修正谢谢大家！！！