運(yùn)動目標(biāo)的跟蹤方法研究

實(shí)用文檔PAGE6PAGE有視頻圖像信息的運(yùn)動目標(biāo)跟蹤方法文檔定制的目的本文檔主要介紹運(yùn)動目標(biāo)跟蹤的概念以及基于特征、基于模型、基于區(qū)域、基于活動輪廓和基于預(yù)測的現(xiàn)有目標(biāo)跟蹤方法，其中重點(diǎn)介紹了基于預(yù)測的卡爾曼濾波算法及其應(yīng)用。主要內(nèi)容TOC\o"1-2"\h\z\u一、運(yùn)動目標(biāo)跟蹤的概念 2二、目標(biāo)跟蹤方法 22.1、基于特征的跟蹤方法 22.2、基于模型的跟蹤方法 22.3、基于區(qū)域的跟蹤方法 32.4、基于活動輪廓的跟蹤方法 32.5、基于預(yù)測的跟蹤方法 3三、卡爾曼濾波算法 43.1、卡爾曼濾波理論 43.2、目標(biāo)跟蹤中的卡爾曼濾波 53.3、應(yīng)用 6四、小結(jié) 6備注本文檔由查閱多篇博士和碩士論文和一篇期刊論文總結(jié)而來。面向智能視頻監(jiān)控的運(yùn)動目標(biāo)檢測與跟蹤方法研究（2009）國防科學(xué)技術(shù)大學(xué)智能視頻監(jiān)控系統(tǒng)中的目標(biāo)跟蹤關(guān)鍵技術(shù)研究（2012）重慶大學(xué)面向智能視頻監(jiān)控系統(tǒng)的運(yùn)動目標(biāo)檢測與跟蹤方法研究（2012）西安電子科技大學(xué)基于知識輔助的多目標(biāo)跟蹤技術(shù)研究（2013）…….電子科技大學(xué)基于卡爾曼濾波的多目標(biāo)檢測與跟蹤（EI）武漢理工一、運(yùn)動目標(biāo)跟蹤的概念運(yùn)動目標(biāo)的跟蹤一般分為兩類：有視頻圖像信息的目標(biāo)跟蹤（智能監(jiān)控）和無視頻圖像信息的目標(biāo)跟蹤（又叫傳感器目標(biāo)跟蹤）。還有基于雷達(dá)的目標(biāo)檢測。視頻圖像跟蹤是根據(jù)采集到的一系列連續(xù)的圖像，通過比較，確定同一目標(biāo)在不同圖像的位置，從而跟蹤這一目標(biāo)得到移動目標(biāo)的。而傳感器目標(biāo)跟蹤通過無線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)檢測目標(biāo)的一些狀態(tài)信息，例如位置信息和速度信息等。視頻圖像中運(yùn)動目標(biāo)的跟蹤是智能視頻監(jiān)控領(lǐng)域中的一個重要問題。在智能視頻監(jiān)控中，跟蹤運(yùn)動目標(biāo)不僅可以提供被監(jiān)控目標(biāo)的運(yùn)動狀態(tài)和運(yùn)動軌跡，也為運(yùn)動分析、場景理解、事件檢測及活動或行為檢測提供可靠的數(shù)據(jù)。目標(biāo)跟蹤可以視為確定圖像特征在幀間關(guān)于位置、形狀、以及顏色等的一致性相關(guān)關(guān)系?，F(xiàn)有目標(biāo)跟蹤方法可以分為基于特征、基于模型、基于區(qū)域、基于活動輪廓和基于預(yù)測的方法。二、目標(biāo)跟蹤方法2.1、基于特征的跟蹤方法基于特征的跟蹤方法基本思想是:采用目標(biāo)上可區(qū)分的點(diǎn)、線等子特征來實(shí)現(xiàn)跟蹤任務(wù)。其優(yōu)點(diǎn)在于即使目標(biāo)的某一部分被遮擋，只要還有一部分特征可以被看到，就可以完成跟蹤任務(wù)，另外，這種方法與預(yù)測跟蹤方法結(jié)合使用，也具有很好的跟蹤效果。其難點(diǎn)是對某個運(yùn)動目標(biāo)，如何確定它的唯一特征集，若采用特征過多，系統(tǒng)效率將降低，且容易產(chǎn)生錯誤。一般需要目標(biāo)的形狀、紋理、顏色和邊緣特征。2.2、基于模型的跟蹤方法基于模型的跟蹤算法通過匹配目標(biāo)模型來跟蹤目標(biāo)，該目標(biāo)模型由訓(xùn)練階段的圖像數(shù)據(jù)學(xué)習(xí)得到。對人進(jìn)行跟蹤時，通常有三種形式的模型，即線圖模型，2D模型和3D模型。但是對于車輛的跟蹤多運(yùn)用3D模型進(jìn)行跟蹤。這種方法具有處理遮擋和獲得更重要的行為分析的數(shù)據(jù)的能力，但是行為分析的精度取決于模型的精度，在現(xiàn)實(shí)生活中要獲得所有運(yùn)動目標(biāo)的精確模型是非常困難的，并且基于3D模型的跟蹤算法往往需要大量的運(yùn)算時間，很難實(shí)現(xiàn)實(shí)時的運(yùn)動目標(biāo)跟蹤。2.3、基于區(qū)域的跟蹤方法其基本思想是:首先得到包含目標(biāo)的模版，該模版通過圖像分割獲得或是預(yù)先人為確定，模版通常為略大于目標(biāo)的矩形，也可以為不規(guī)則的形狀，然后在序列圖像中，運(yùn)用相關(guān)算法跟蹤目標(biāo)，對于灰度圖像采用基于紋理和特征的相關(guān)；對彩色圖像可以利用基于顏色的相關(guān)。該方法在目標(biāo)未被遮擋的情況下，可以實(shí)現(xiàn)精確、穩(wěn)定的跟蹤，但是當(dāng)存在較大遮擋或目標(biāo)變形較大時，通常會導(dǎo)致目標(biāo)的丟失，并且其模版的初始化對先驗(yàn)信息依賴較強(qiáng)。2.4、基于活動輪廓的跟蹤方法基于活動輪廓的跟蹤是利用封閉的曲線輪廓來表達(dá)運(yùn)動目標(biāo)，并且該輪廓能夠自動連續(xù)地更新。與基于區(qū)域的跟蹤方法相比，基于活動輪廓的跟蹤方法降低了計(jì)算的復(fù)雜度，但是初始化很困難?；诨顒虞喞母櫡椒ㄖ饕罁?jù)目標(biāo)的外形輪廓進(jìn)行跟蹤，輪廓描述正確與否決定了跟蹤的精度，該方法對于初始化很敏感，因此很難自動啟動跟蹤，運(yùn)用較少。2.5、基于預(yù)測的跟蹤方法卡爾曼濾波（kalmanfiltering）和粒子濾波（particlefiltering）是常用的基于預(yù)測跟蹤放法，它們主要依靠狀態(tài)方程(2.1)和觀測方程(2.2)。(2.1)(2.2)其中為狀態(tài)矢量，為觀測矢量，和分別為狀態(tài)噪聲和觀測噪聲，和分別為相應(yīng)的映射函數(shù)。實(shí)際應(yīng)用中，通常僅包含運(yùn)動目標(biāo)的位置，而涉及運(yùn)動目標(biāo)的位置和速度。三、卡爾曼濾波算法3.1、卡爾曼濾波理論卡爾曼濾波在目標(biāo)跟蹤中應(yīng)用得非常多?？柭鼮V波方法一個強(qiáng)大的優(yōu)勢就是大大減少了數(shù)據(jù)的存儲量和計(jì)算量，它不需要存儲過去的歷史觀測數(shù)據(jù)，只需要存儲當(dāng)前的前一刻的數(shù)據(jù)就可以了。當(dāng)觀測到新的數(shù)據(jù)后，只需要根據(jù)觀測的當(dāng)前數(shù)據(jù)和它前一刻的估計(jì)值，然后借助于信號的狀態(tài)轉(zhuǎn)移方程，按照遞推公式，就可以推算出新的估計(jì)量。因此，當(dāng)觀測時間不斷增加時，這種濾波算法能夠?qū)崟r的跟隨新的形式，而且還能在很大程度上降低了計(jì)算機(jī)的計(jì)算量及存儲量，使信號更容易得到實(shí)時的處理。也正是因?yàn)榭柭鼮V波克服了經(jīng)典濾波方法的主要缺點(diǎn)，所以它被成功地應(yīng)用于空間技術(shù)和飛行器的導(dǎo)航與定位中。在2D平面上對移動目標(biāo)進(jìn)行跟蹤測量，可構(gòu)建出離散的被動跟蹤觀測方程以及狀態(tài)方程。這里選取狀態(tài)變量來表示移動目標(biāo)在第k個采樣周期T發(fā)生在t時刻的狀態(tài)，其中和分別表示沿著X軸及Y軸的位置坐標(biāo)，而和則分別表示沿著X軸及Y軸的速度值。因?yàn)樵谀繕?biāo)的移動過程中，沒有控制量，即。所以，移動目標(biāo)的跟蹤狀態(tài)方程和觀測方程為:(3.1)(3.2)其中F是狀態(tài)轉(zhuǎn)移矩陣，H是觀測矩陣，隨機(jī)信號和分別表示過程噪聲和觀測噪聲。假設(shè)和是相互獨(dú)立的均值為零并且方差分別為Q和R的高斯白噪聲。在實(shí)際應(yīng)用中，F(xiàn)有可能會因?yàn)闀r間的變化而變化，但是研算法中一般設(shè)它為常數(shù)。H是狀態(tài)變量對測量變量的增益，一般也設(shè)它為常數(shù)。即：(3.3)(3.4)3.2、目標(biāo)跟蹤中的卡爾曼濾波在卡爾曼濾波算法中，只要給定了初值和，就能根據(jù)在k+1時刻獲得的觀測值，然后遞推計(jì)算出k+1時刻的狀態(tài)估計(jì)及其協(xié)方差矩陣(k=0,1,2….)。其主要步驟和基本方法如下：(1)狀態(tài)一步預(yù)測方程(3.5)(2)觀測一步預(yù)測方程(3.6)(3)新息方程(3.7)(4)一步預(yù)測協(xié)方差方程(3.8)(5)新息協(xié)方差方程(3.9)(6)濾波增益方程(3.10)(7)狀態(tài)更新方程(3.11)(8)協(xié)方差更新方程(3.12)卡爾曼濾波算法是一個周期循環(huán)算法。3.3、應(yīng)用在圖像序列中檢測目標(biāo)中可以應(yīng)用卡爾曼濾波。(1)目標(biāo)模型假定圖像序列的采樣間隔為T，在一般情況下，在圖像序列中相鄰的若干幀里，目標(biāo)可以看作勻速直線運(yùn)動或加速直線運(yùn)動（觀測時間較短），則目標(biāo)運(yùn)動的數(shù)學(xué)模型可用下列差分方程來描述：(3.13)(3.14)其中，和分別代表在第k幀圖像中目標(biāo)的x坐標(biāo)方向的位置和速度，是目標(biāo)的加速度。(2)跟蹤濾波根據(jù)初始條件，由卡爾曼濾波算法進(jìn)行濾波計(jì)算，可以得到狀態(tài)估計(jì)量和協(xié)方差估計(jì)量。卡爾曼濾波能夠很好地實(shí)現(xiàn)對目標(biāo)的跟蹤和預(yù)測。對于多目標(biāo)的檢測和跟蹤，可以使用卡爾曼濾波器組。四、小結(jié)卡爾曼濾波主要在雷達(dá)跟蹤和傳感器目標(biāo)跟蹤方面成功應(yīng)用，由于卡爾曼濾波難以處理非高斯非線性系統(tǒng)的預(yù)測跟蹤，所以在基于攝像頭