目標(biāo)配比與生產(chǎn)配比相協(xié)調(diào)的瀝青拌合站的調(diào)試(公路工程)及目標(biāo)跟蹤算法的研究

I目標(biāo)配比與生產(chǎn)配比相協(xié)調(diào)的瀝青拌合站的調(diào)試（1天津大學(xué)管理與經(jīng)濟(jì)學(xué)部2天津市高速公路集團(tuán)有限公司3天津市市政工程研究院）摘要：針對(duì)目前瀝青拌合站調(diào)試過(guò)程中目標(biāo)配合比與生產(chǎn)配合比設(shè)計(jì)結(jié)果脫節(jié)的問(wèn)題，從冷料計(jì)量系統(tǒng)的標(biāo)定、熱料倉(cāng)篩孔的選擇和目標(biāo)生產(chǎn)配合比的協(xié)調(diào)三方面進(jìn)行了分析，提出了嚴(yán)格按照目標(biāo)配合比設(shè)定冷料比例后，不依據(jù)優(yōu)化的級(jí)配計(jì)算結(jié)果，而是根據(jù)目標(biāo)配比所對(duì)應(yīng)的熱料倉(cāng)實(shí)際熱料比例確定生產(chǎn)配合比的方法，有效解決了生產(chǎn)過(guò)程中的溢料等料問(wèn)題，提高了生產(chǎn)效率和混凝土質(zhì)量，并進(jìn)行了實(shí)際工程驗(yàn)證。關(guān)鍵詞：瀝青拌合站目標(biāo)配合比生產(chǎn)配合比協(xié)調(diào)我國(guó)瀝青混凝土采用目標(biāo)配合比設(shè)計(jì)、生產(chǎn)配合比設(shè)計(jì)及生產(chǎn)配合比驗(yàn)證三階段進(jìn)行設(shè)計(jì)，在目前工程使用的瀝青拌合站大都為間歇式拌合設(shè)備的情況下，就要求目標(biāo)與生產(chǎn)配合比設(shè)計(jì)必須保持高度的協(xié)調(diào)，才能在拌合站工作過(guò)程中既最大限度地保證生產(chǎn)效率，又能夠生產(chǎn)出性能優(yōu)良的瀝青混凝土，實(shí)現(xiàn)設(shè)計(jì)意圖。而目前在實(shí)際施工中，目標(biāo)配合比設(shè)計(jì)結(jié)果與生產(chǎn)配合比設(shè)計(jì)結(jié)果基本上各自獨(dú)立，相互脫節(jié)。瀝青拌合站生產(chǎn)時(shí)往往偏重于嚴(yán)格控制熱料倉(cāng)比例即注重于生產(chǎn)配合比的設(shè)計(jì)意圖的實(shí)現(xiàn)，而對(duì)目標(biāo)配合比設(shè)計(jì)結(jié)果即冷料倉(cāng)比例則在施工前期很少做基礎(chǔ)工作，大都在施工過(guò)程中根據(jù)熱料倉(cāng)比例及等料溢料情況進(jìn)行調(diào)整，帶有一定的隨意性。這就使得一旦原材料出現(xiàn)變異，或熱料倉(cāng)出現(xiàn)等料溢料現(xiàn)象時(shí)，操作人員在沒(méi)有理論依據(jù)的情況下根據(jù)經(jīng)驗(yàn)進(jìn)行調(diào)整。一種結(jié)果是如果繼續(xù)按照既定的熱料倉(cāng)比例進(jìn)行生產(chǎn)，則浪費(fèi)及生產(chǎn)效率低下同時(shí)發(fā)生，另一種情況是如果隨意調(diào)整熱料倉(cāng)比例，混合料質(zhì)量又難以保證。針對(duì)以上問(wèn)題，結(jié)合某高速公路工程實(shí)踐，本文從冷料計(jì)量系統(tǒng)的標(biāo)定、熱料倉(cāng)篩孔的選擇和目標(biāo)生產(chǎn)配合比的協(xié)調(diào)等三個(gè)方面進(jìn)行了分析，并提出了解決辦法。1冷料比例的確定與料倉(cāng)計(jì)量系統(tǒng)的標(biāo)定1.1冷料比例的確定冷料比例的確定屬于目標(biāo)配合比設(shè)計(jì)階段的任務(wù)。承包商在選擇石料時(shí)應(yīng)選擇質(zhì)量符合規(guī)范要求，級(jí)配基本穩(wěn)定的各檔石料。目標(biāo)配合比設(shè)計(jì)過(guò)程中根據(jù)具體工程實(shí)際情況對(duì)級(jí)配進(jìn)行優(yōu)化，在實(shí)驗(yàn)的基礎(chǔ)上，根據(jù)設(shè)計(jì)結(jié)果提出路用性能最佳的級(jí)配即各檔料最佳的比例，承包商根據(jù)最佳石料比例生產(chǎn)或外購(gòu)石料。1.2冷料倉(cāng)計(jì)量系統(tǒng)的標(biāo)定冷料倉(cāng)計(jì)量系統(tǒng)的標(biāo)定是非常重要的基礎(chǔ)性工作，一旦冷料倉(cāng)計(jì)量系統(tǒng)標(biāo)定完成，其成果對(duì)今后的生產(chǎn)將具有極其重要的指導(dǎo)作用。冷料倉(cāng)計(jì)量系統(tǒng)的標(biāo)定主要是確定各檔原材料在規(guī)定時(shí)間內(nèi)皮帶運(yùn)輸量與皮帶轉(zhuǎn)速之間的回歸關(guān)系。標(biāo)準(zhǔn)圖如圖1.圖1冷料倉(cāng)標(biāo)定曲線(xiàn)標(biāo)準(zhǔn)圖對(duì)冷料倉(cāng)標(biāo)定步驟如下：調(diào)節(jié)冷料倉(cāng)出料閥門(mén)位置并且固定好，根據(jù)經(jīng)驗(yàn)即拌和樓預(yù)計(jì)產(chǎn)量選定3-4個(gè)不同的皮帶轉(zhuǎn)速，在設(shè)定的時(shí)間內(nèi)測(cè)定不同皮帶轉(zhuǎn)速與流出重量之間的關(guān)系，根據(jù)測(cè)定的數(shù)值，利用線(xiàn)性趨勢(shì)線(xiàn)確定皮帶轉(zhuǎn)速與冷料流出質(zhì)量的線(xiàn)性關(guān)系，并確定回歸公式。冷料標(biāo)定曲線(xiàn)及回歸公式確定后，根據(jù)拌合樓設(shè)定產(chǎn)量和各規(guī)格冷料供料比例(目標(biāo)配合比)，可以根據(jù)回歸公式計(jì)算確定各料倉(cāng)的皮帶轉(zhuǎn)速，指導(dǎo)實(shí)際生產(chǎn)。但是目前在實(shí)際生產(chǎn)中，施工單位對(duì)此重視不夠，甚至省略了對(duì)冷料倉(cāng)的標(biāo)定。對(duì)各冷料倉(cāng)皮帶轉(zhuǎn)速的確定完全憑借經(jīng)驗(yàn)，沒(méi)有考慮原材料密度、顆粒形狀及含水量等因素的影響；同時(shí)也缺少理論依據(jù)，造成實(shí)際供料質(zhì)量與設(shè)定值偏差較大。應(yīng)該說(shuō)對(duì)拌合樓冷料倉(cāng)的標(biāo)定不準(zhǔn)確或者沒(méi)有標(biāo)定是造成拌合樓出現(xiàn)等料溢料現(xiàn)象的一個(gè)主要原因。2熱料倉(cāng)篩孔的選擇進(jìn)行拌合樓熱料倉(cāng)篩孔的選擇，要遵循兩個(gè)基本原則：一是以關(guān)鍵篩孔作為分級(jí)篩孔，以方便施工中對(duì)級(jí)配的調(diào)整與控制；二是使各熱料倉(cāng)比例均勻。在實(shí)際施工中對(duì)篩孔的選擇除了遵循上面的兩個(gè)基本原則，還要參考拌合樓熱料倉(cāng)數(shù)量、各熱料倉(cāng)容積、原材料規(guī)格和混合料類(lèi)型。參考《瀝青路面施工技術(shù)規(guī)范》，瀝青拌合樓用篩與試驗(yàn)用方孔篩等效尺寸見(jiàn)表1。表1提供的等效尺寸只是參考值，不一定適合每一個(gè)拌合樓，在進(jìn)行拌合樓振動(dòng)篩尺寸選擇時(shí)要結(jié)合熱料倉(cāng)、原材料篩分?jǐn)?shù)據(jù)進(jìn)行適當(dāng)?shù)恼{(diào)整。一般地，拌合樓振動(dòng)篩最大尺寸要比表1中最大粒徑對(duì)應(yīng)的等效篩孔小。表1瀝青拌合樓掛篩與試驗(yàn)用方孔篩等效尺寸方孔篩（mm）31.526.51913.29.54.752.36等效篩孔（mm）353122161173或43熱料倉(cāng)計(jì)量系統(tǒng)的標(biāo)定及熱料比例的確定3.1熱料倉(cāng)計(jì)量系統(tǒng)的標(biāo)定對(duì)熱料倉(cāng)計(jì)量系統(tǒng)的標(biāo)定包括對(duì)熱料倉(cāng)骨料稱(chēng)量系統(tǒng)的標(biāo)定和各熱料倉(cāng)計(jì)量系統(tǒng)補(bǔ)償值的確定兩部分。在進(jìn)行熱骨料稱(chēng)量系統(tǒng)的標(biāo)定時(shí)要注意校驗(yàn)質(zhì)量的選擇，校驗(yàn)質(zhì)量最好在稱(chēng)量裝置量程的50%-90%且多選幾個(gè)點(diǎn)進(jìn)行標(biāo)定。對(duì)于各熱料倉(cāng)計(jì)量系統(tǒng)補(bǔ)償值的確定要通過(guò)多次修正來(lái)確定，也要考慮出現(xiàn)等料溢料現(xiàn)象時(shí)修正值的變化。在進(jìn)行冷料倉(cāng)的標(biāo)定過(guò)程中，如果料需要通過(guò)熱料倉(cāng)，可以采取鏟車(chē)接料利用地磅再次稱(chēng)量的方法對(duì)熱料倉(cāng)骨料稱(chēng)量系統(tǒng)和確定的各熱料倉(cāng)計(jì)量系統(tǒng)補(bǔ)償值進(jìn)行驗(yàn)證。熱料倉(cāng)計(jì)量系統(tǒng)的正確標(biāo)定是拌合樓正常生產(chǎn)的前提。在正式施工前要模擬拌合樓等料溢料現(xiàn)象，提出相應(yīng)的修正值。3.2熱料比例的確定熱料倉(cāng)熱料比例的確定屬于生產(chǎn)配合比設(shè)計(jì)的內(nèi)容。熱料比例的確定應(yīng)從生產(chǎn)能力、熱料倉(cāng)儲(chǔ)存能力及級(jí)配要求、冷料原材料狀況等綜合考慮，不能再根據(jù)計(jì)算機(jī)計(jì)算結(jié)果直接確定。因?yàn)橛?jì)算機(jī)計(jì)算結(jié)果只考慮最佳級(jí)配的問(wèn)題，最終導(dǎo)致目標(biāo)與生產(chǎn)配合比設(shè)計(jì)不協(xié)調(diào)。因此應(yīng)根據(jù)實(shí)際情況確定熱料倉(cāng)比例。具體措施如下：首先根據(jù)預(yù)定生產(chǎn)能力及冷料標(biāo)定結(jié)果確定皮帶轉(zhuǎn)數(shù)，嚴(yán)格按照目標(biāo)配合比比例出料（出料數(shù)量不致使熱料倉(cāng)溢料，建議根據(jù)實(shí)際情況確定50～100噸）。其次準(zhǔn)確稱(chēng)量進(jìn)入每個(gè)熱料倉(cāng)中的熱料質(zhì)量，原則上，每個(gè)熱料倉(cāng)中分配的熱料質(zhì)量，即每個(gè)熱料倉(cāng)中熱料所占比例即為生產(chǎn)配合比熱料倉(cāng)初定比例。再次，將確定的熱料倉(cāng)比例按照篩分結(jié)果計(jì)算合成級(jí)配，如距最佳級(jí)配有一定差距，則進(jìn)行微調(diào)，如差距不大，則按照分配比例進(jìn)行生產(chǎn)。4目標(biāo)生產(chǎn)配合比的一致性問(wèn)題目標(biāo)配合比設(shè)計(jì)提供了冷料倉(cāng)供料比例，對(duì)確定的級(jí)配進(jìn)行了性能驗(yàn)證。生產(chǎn)配合比根據(jù)目標(biāo)配合比提供的級(jí)配確定熱料倉(cāng)供料比例，但是在施工中實(shí)際上經(jīng)常存在生產(chǎn)級(jí)配與目標(biāo)級(jí)配相差較大的問(wèn)題。造成上面問(wèn)題的原因主要有：目標(biāo)與生產(chǎn)配合比用料（原材料和熱料倉(cāng)熱料）的取樣沒(méi)有代表性；目標(biāo)配合比用料與實(shí)際生產(chǎn)用料的變異性較大；拌合廠原材料的不正確堆放造成原材料的離析等。如果不能很好的解決目標(biāo)與生產(chǎn)配合比之間的不一致性問(wèn)題，造成的后果就是拌合樓出現(xiàn)等料溢料現(xiàn)象、實(shí)際生產(chǎn)級(jí)配的性能沒(méi)有進(jìn)行驗(yàn)證等。所以要采取措施保持目標(biāo)與生產(chǎn)配合比的一致性。首先應(yīng)該保證目標(biāo)配合比用料與實(shí)際生產(chǎn)用料的一致性，嚴(yán)格按照集料試驗(yàn)規(guī)程上關(guān)于原材料取樣要求進(jìn)行取料；其次要加強(qiáng)對(duì)拌合站原材料堆放的管理。為此，提出拌和樓調(diào)試步驟：（1）篩分冷料級(jí)配，采用計(jì)算機(jī)配合，計(jì)算冷料最佳比例，根據(jù)確定的冷料比例生產(chǎn)或購(gòu)進(jìn)原材料。（2）確定冷料倉(cāng)標(biāo)定標(biāo)準(zhǔn)曲線(xiàn)，根據(jù)各檔料比例、回歸方程及預(yù)估產(chǎn)量確定皮帶轉(zhuǎn)數(shù)。（3）選擇熱料倉(cāng)篩孔尺寸。（4）根據(jù)冷料比例上料（數(shù)量控制在50～100噸之間），根據(jù)進(jìn)入各熱料倉(cāng)的熱料比例確定熱料倉(cāng)比例。此時(shí)應(yīng)特別注意最好避免根據(jù)熱料倉(cāng)篩分用計(jì)算機(jī)計(jì)算熱料倉(cāng)比例。（5）如原材料發(fā)生變異，則重復(fù)1、2、4工作內(nèi)容，確保生產(chǎn)效率高、混合料質(zhì)量好。5工程實(shí)例5.1概況某高速公路下面層為AC-25瀝青混合料，拌合樓為日工3000型，熱料倉(cāng)數(shù)量為4個(gè)，冷料倉(cāng)數(shù)量為5個(gè)。原材料規(guī)格為：10-30mm、10-20mm（兩種）、5-10mm及0-5mm石灰?guī)r。5.2目標(biāo)配合比冷料比例及冷料倉(cāng)的標(biāo)定目標(biāo)配合比確定各檔料供料比例見(jiàn)表2表2冷料倉(cāng)供料比例（質(zhì)量比）礦料規(guī)格10-3010-20（1）10-20（2）5-100-5供料比例（%）1520181630根據(jù)目標(biāo)配合比，冷料供料比例不存在某檔料偏少現(xiàn)象，為了滿(mǎn)足施工進(jìn)度的要求，在進(jìn)行冷料倉(cāng)標(biāo)定前，將各冷料倉(cāng)出料口調(diào)至最大并且固定好。拌合樓冷料倉(cāng)皮帶工作轉(zhuǎn)速為5-50，選定15、30和45三個(gè)轉(zhuǎn)速，各檔料固定時(shí)間（選取5分鐘）上料進(jìn)行冷料倉(cāng)的標(biāo)定。標(biāo)定結(jié)果及標(biāo)定曲線(xiàn)見(jiàn)表3及圖1:表3各檔料不同轉(zhuǎn)速下供料質(zhì)量（5分鐘）礦料規(guī)格及供料質(zhì)量（噸）皮帶轉(zhuǎn)速10-3010-20（1）10-20（2）5-100-5151.801.901.851.982.11303.583.843.683.994.26455.345.735.556.026.40回歸系數(shù)K0.1420.1330.1230.1270.119根據(jù)各冷料倉(cāng)標(biāo)定曲線(xiàn)線(xiàn)性回歸方程就可以確定拌合樓不同設(shè)定產(chǎn)量下對(duì)應(yīng)的皮帶轉(zhuǎn)速,見(jiàn)表4。表4不同小時(shí)產(chǎn)量的各檔料皮帶轉(zhuǎn)數(shù)小時(shí)產(chǎn)量（噸）10-30mm10-20（1）mm10-20（2）mm5-10mm0-5mm18015.821.119.016.931.720018.825.122.620.137.622022.429.826.823.844.724023.631.528.325.247.226027.336.432.829.154.6至此，冷料倉(cāng)標(biāo)定工作完成。5.3熱料倉(cāng)篩孔的選擇由于進(jìn)行下面層施工前，已經(jīng)進(jìn)行了聯(lián)結(jié)層ATB-25的施工。在進(jìn)行ATB-25施工前初選篩孔尺寸為35、19、11和3（3*3），上料進(jìn)行熱料倉(cāng)篩分，發(fā)現(xiàn)存在部分超粒徑的集料不能篩除，對(duì)拌合樓進(jìn)行了調(diào)試（包括篩分振動(dòng)力和篩子安裝角度等），但是仍不能消除，將最大篩孔尺寸改為32后，有效的解決了上述問(wèn)題；選擇3*3的篩子在施工過(guò)程中取料進(jìn)行熱料倉(cāng)篩分發(fā)現(xiàn)1#和2#熱料倉(cāng)級(jí)配波動(dòng)較大，主要是由于3*3的篩子堵篩造成的，將尺寸為3*3篩子改為3*4后上述問(wèn)題得到了有效的解決。建議在進(jìn)行篩孔選擇時(shí)，最大篩孔要較?瀝青路面施工技術(shù)規(guī)范?中的等效篩孔偏小一些，便于消除超粒徑問(wèn)題；最小的篩子選擇3*4，一方面易于合成級(jí)配的控制，可以保證熱料倉(cāng)礦料的級(jí)配，另外也降低了拌合樓堵篩的幾率。AC-25瀝青混合料施工選定篩孔尺寸為32、19、11和3（3*4）。5.4熱料倉(cāng)比例的確定確定拌和樓小時(shí)產(chǎn)量240噸，查表4，按照相應(yīng)的皮帶轉(zhuǎn)數(shù)上料70噸左右，停止上料后，精確稱(chēng)量各熱料倉(cāng)熱料重量，結(jié)果見(jiàn)表5.表5熱料倉(cāng)倉(cāng)料重量及比例倉(cāng)號(hào)1234礦粉重量（噸）161811240比例（％）23.226.115.934.80最終生產(chǎn)比例（％）22.325.015.333.44.0根據(jù)以上確定的比例及熱料倉(cāng)各倉(cāng)料級(jí)配篩分結(jié)果，合成級(jí)配曲線(xiàn)見(jiàn)圖2.由圖2，根據(jù)計(jì)算機(jī)計(jì)算的目標(biāo)級(jí)配與根據(jù)倉(cāng)料比例計(jì)算的生產(chǎn)級(jí)配差別很小，因此可以根據(jù)表5最終生產(chǎn)配合比比例進(jìn)行混合料的生產(chǎn)。圖3目標(biāo)級(jí)配與生產(chǎn)級(jí)配比較圖5.5施工過(guò)程控制在施工過(guò)程中強(qiáng)化對(duì)冷料倉(cāng)用料的篩分，發(fā)現(xiàn)某檔料變異較大時(shí)依據(jù)標(biāo)定曲線(xiàn)及時(shí)調(diào)整皮帶轉(zhuǎn)速。要求實(shí)驗(yàn)室每天進(jìn)行一次熱料倉(cāng)篩分試驗(yàn)，當(dāng)熱料級(jí)配出現(xiàn)較大波動(dòng)時(shí)，首先加密篩分，同時(shí)檢查拌合樓是否有堵篩、篩孔破損等問(wèn)題；目測(cè)各冷料倉(cāng)用料并結(jié)合冷料篩分結(jié)果，必要時(shí)對(duì)熱料倉(cāng)比例進(jìn)行調(diào)整。6結(jié)論（1）對(duì)拌合樓篩孔尺寸的選擇選擇除了需要遵循的基本原則，還要綜合考慮拌合樓熱料倉(cāng)數(shù)量、各熱料倉(cāng)容積、原材料規(guī)格和混合料類(lèi)型等，合理的選擇篩網(wǎng)尺寸，是避免拌合樓出現(xiàn)等料溢料現(xiàn)象的前提。（2）拌合樓冷熱料倉(cāng)必須進(jìn)行準(zhǔn)確標(biāo)定，尤其是冷料倉(cāng)，當(dāng)拌合樓出現(xiàn)等料溢料問(wèn)題時(shí)，根據(jù)本文提出的調(diào)試方案，可以及時(shí)的解決直到避免拌合樓出現(xiàn)等料溢料問(wèn)題。（3）本文提出的拌和樓調(diào)試方法，有效地解決了生產(chǎn)配合比與目標(biāo)配合比相脫節(jié)的問(wèn)題，對(duì)于提高生產(chǎn)效率，減少甚至避免拌和樓溢料等料現(xiàn)象及提高混合料拌合質(zhì)量具有一定的指導(dǎo)意義。參考文獻(xiàn)：1張厚記.湖北省京珠高速公路瀝青路面施工檢測(cè)與控制.交通科技,2001(5):12～142呂偉民.瀝青混合料設(shè)計(jì)原理與方法.上海:同濟(jì)大學(xué)出版社,2001.224～2273秘錫勝等.瀝青拌合樓溢料和等料現(xiàn)象的研究.交通科技,2005(3):97～99目錄TOC\o"1-3"\h\u556摘要 14833ABSTRACT 229446第一章緒論 4252731.1課題研究背景和意義 4200761.2國(guó)內(nèi)外研究現(xiàn)狀 5228761.3本文的具體結(jié)構(gòu)安排 74897第二章運(yùn)動(dòng)目標(biāo)檢測(cè) 8184402.1檢測(cè)算法及概述 8278762.1.1連續(xù)幀間差分法 9135782.1.2背景去除法 11297182.1.3光流法 1332105第三章運(yùn)動(dòng)目標(biāo)跟蹤方法 16100493.1引言 16196323.2運(yùn)動(dòng)目標(biāo)跟蹤方法 16220573.2.1基于特征匹配的跟蹤方法 16256953.2.2基于區(qū)域匹配的跟蹤方法 17128123.2.3基于模型匹配的跟蹤方法 18142173.3運(yùn)動(dòng)目標(biāo)搜索算法 1854343.3.1絕對(duì)平衡搜索法 18175673.4絕對(duì)平衡搜索法實(shí)驗(yàn)結(jié)果 19256543.4.1歸一化互相關(guān)搜索法 2198663.5歸一化互相關(guān)搜索法實(shí)驗(yàn)結(jié)果及分析 2215604第四章模板更新與軌跡預(yù)測(cè) 26244354.1模板更新簡(jiǎn)述及策略 2633164.2軌跡預(yù)測(cè) 28130344.2.1線(xiàn)性預(yù)測(cè) 29115924.2.2平方預(yù)測(cè)器 30210844.3實(shí)驗(yàn)結(jié)果及分析： 3123501致謝 3630178參考文獻(xiàn) 3725369畢業(yè)設(shè)計(jì)小結(jié) 38摘要圖像序列目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)中的經(jīng)典問(wèn)題，它是指在一組圖像序列中，根據(jù)所需目標(biāo)模型，實(shí)時(shí)確定圖像中目標(biāo)所在位置的過(guò)程。它最初吸引了軍方的關(guān)注，逐漸被應(yīng)用于電視制導(dǎo)炸彈、火控系統(tǒng)等軍用備中。序列圖像運(yùn)動(dòng)目標(biāo)跟蹤是通過(guò)對(duì)傳感器拍攝到的圖像序列進(jìn)行分析，計(jì)算出目標(biāo)在每幀圖像上的位置。它是計(jì)算機(jī)視覺(jué)系統(tǒng)的核心，是一項(xiàng)融合了圖像處理、模式識(shí)別、人工只能和自動(dòng)控制等領(lǐng)域先進(jìn)成果的高技術(shù)課題，在航天、監(jiān)控、生物醫(yī)學(xué)和機(jī)器人技術(shù)等多種領(lǐng)域都有廣泛應(yīng)用。因此，非常有必要研究運(yùn)動(dòng)目標(biāo)的跟蹤。本論文就圖像的單目標(biāo)跟蹤問(wèn)題，本文重點(diǎn)研究了幀間差分法和背景去除法等目標(biāo)檢測(cè)方法，研究了模板相關(guān)匹配跟蹤算法主要是：最小均方誤差函數(shù)(MES)，最小平均絕對(duì)差值函數(shù)(MAD)和最大匹配像素統(tǒng)計(jì)(MPC)的跟蹤算法。在跟蹤過(guò)程中，由于跟蹤設(shè)備與目標(biāo)的相對(duì)運(yùn)動(dòng),視野中的目標(biāo)可能出現(xiàn)大小、形狀、姿態(tài)等變化,加上外界環(huán)境中的各種干擾,所要跟蹤的目標(biāo)和目標(biāo)所在的場(chǎng)景都發(fā)生了變化,有可能丟失跟蹤目標(biāo)。為了保證跟蹤的穩(wěn)定性和正確性,需要對(duì)模板圖像進(jìn)行自適應(yīng)更新。由于目標(biāo)運(yùn)動(dòng)有一定得規(guī)律，可以采取軌跡預(yù)測(cè)以提高跟蹤精度，本文采用了線(xiàn)性預(yù)測(cè)法。對(duì)比分析了相關(guān)匹配算法的跟蹤精度和跟蹤速度；對(duì)比不采用模板更新和模板跟新的跟蹤進(jìn)度和差別，實(shí)驗(yàn)表明，跟蹤算法加上軌跡預(yù)測(cè)及模板跟新在很大程度上提高了跟蹤幀數(shù)，提高了跟蹤精度，具有一定的抗噪聲性能。關(guān)鍵詞：目標(biāo)跟蹤，目標(biāo)檢測(cè)，軌跡預(yù)測(cè)，模板更新

ABSTRACTTargettracking,imagesequenceisaclassiccomputervisionproblems,itisdefinedasasetofimagesequences,inaccordancewithrequirementsofthetargetmodel,real-timeimagestodeterminethelocationofthetargetprocess.Itinitiallyattractedtheconcernofthemilitaryhasgraduallybeenappliedtotelevision-guidedbombs,firecontrolsystemsformilitarypreparation.Movingtargettrackingsensoristakenthroughtheimagesequenceanalysis,tocalculatethetargetimageineachframeposition.Itisthecoreofcomputervisionsystemisacombinationofimageprocessing,patternrecognition,artificialonlyandtheresultsofautomaticcontrolinareassuchasadvancedhigh-techissuesintheaerospace,control,biomedicalandroboticsfields,etc.Therearewidelyused.Thus,itisnecessarytostudythetrackingofmovingtargets.Inthispaper,theimageofthesingle-targettrackingproblem,researchthetargetdetectionmethodismainlybasedoninter-framedifferenceandbackgroundremovalmethodtodetectthetargetinpreparationfortargettracking.Templatematchingtrackingalgorithmis:thesmallestmeansquareerrorfunction(MES),thesmallestmeanabsolutedifferencefunction(MAD)andthemaximummatchingpixelstatistics(MPC)ofthetrackingalgorithm.Inthetrackingprocess,duetotherelativecameramovementwiththegoal,thegoalofvisionmayoccurinsize,shape,gesture,suchaschangesintheexternalenvironmentcombinedwiththevariouskindsofinterference,aswellasovertime,totrackwherethegoalsandobjectivesscenechangeshavetakenplace,itispossibletotrackthetargetislost.Inordertoensurethestabilityandtrackingaccuracy,theneedforadaptivetemplateimageupdate.Sincethegoalofmovementmustbethelawoftheforecasttrackcouldtaketoimprovethetrackingprecision,thisarticleusesthesquareofthelinearpredictionmethodandpredictionmethod.Analysisoftherelevantmatchingalgorithmtotrackthetrackingaccuracyandspeed;contrastdonotusetemplatesandtemplateupdateswiththenewtrackingtheprogressanddifferencesintheexperimentprovedthatthetrackingalgorithmwithtrajectorypredictionandtemplatestoalargeextentwiththenewframetoimprovetracking,Improvedtrackingaccuracy,whichhasstronganti-noiseperformance.Keywords:Targettracking，TargetDetection，TrajectoryPrediction，TemplateUpdate緒論本章首先討論了目標(biāo)跟蹤的研究背景和意義；介紹了目標(biāo)跟蹤在國(guó)內(nèi)外的研究現(xiàn)狀；接著討論了目標(biāo)跟蹤研究中面臨的困難和待解決的問(wèn)題；最后介紹了本文的主要工作和總體結(jié)構(gòu)。1.1課題研究背景和意義運(yùn)動(dòng)目標(biāo)跟蹤在軍事、智能監(jiān)控、人機(jī)界面、虛擬現(xiàn)實(shí)、運(yùn)動(dòng)分析等許多領(lǐng)域有著廣泛的應(yīng)用前景，在科學(xué)和工程中有著重要的研究?jī)r(jià)值，吸引了國(guó)內(nèi)外越來(lái)越多研究者的興趣。圖像序列中的運(yùn)動(dòng)目標(biāo)跟蹤，就是在各幀圖像中檢測(cè)出各個(gè)獨(dú)立運(yùn)動(dòng)的目標(biāo)，或是用戶(hù)感興趣的運(yùn)動(dòng)區(qū)域（如人體、車(chē)輛等），并且提取目標(biāo)的位置信息，得到各個(gè)目標(biāo)的運(yùn)動(dòng)軌跡。其實(shí)質(zhì)是通過(guò)對(duì)傳感器獲取的圖像序列進(jìn)行分析，得到目標(biāo)在每幀圖像中的位置、速度及加速度等特征參數(shù)。圖1-1目標(biāo)跟蹤原理圖國(guó)內(nèi)外學(xué)者對(duì)目標(biāo)跟蹤算法進(jìn)行了大量深入的研究，取得了令人矚目的研究成果。但是，現(xiàn)有的目標(biāo)跟蹤算法大多受限于特定的應(yīng)用背景，跟蹤算法還有待于進(jìn)一步研究和深化，研究一種具有魯棒性和實(shí)時(shí)性、適用性強(qiáng)的目標(biāo)跟蹤方法依然面臨著巨大挑戰(zhàn)。目前，運(yùn)動(dòng)目標(biāo)跟蹤算法的主要難點(diǎn)有：復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)提取、目標(biāo)之間的相互遮擋以及目標(biāo)與背景之間的遮擋、陰影處理、多攝像機(jī)的數(shù)據(jù)融合等。尤其是遮擋和陰影問(wèn)題，它們普遍存在于現(xiàn)實(shí)環(huán)境中，嚴(yán)重影響跟蹤算法的可靠性和適用性。本文重點(diǎn)研究了序列圖像的幾種常用跟蹤方法。1.2國(guó)內(nèi)外研究現(xiàn)狀目標(biāo)跟蹤就是通過(guò)對(duì)攝像機(jī)獲得的圖像序列進(jìn)行分析，計(jì)算出目標(biāo)在每幀圖像上的二維位置坐標(biāo)，并根據(jù)不同的特征值，將圖像序列中不同幀之間同一運(yùn)動(dòng)目標(biāo)關(guān)聯(lián)起來(lái)，得到各個(gè)運(yùn)動(dòng)目標(biāo)完整的運(yùn)動(dòng)軌跡，即在連續(xù)的圖像序列中建立運(yùn)動(dòng)目標(biāo)的對(duì)應(yīng)關(guān)系。目前，國(guó)內(nèi)外學(xué)者提出了許多不同的跟蹤算法和跟蹤系統(tǒng)，可以按照不同的劃分依據(jù)對(duì)跟蹤算法進(jìn)行不同的分類(lèi)：就跟蹤對(duì)象而言，可以分為車(chē)輛跟蹤、人體跟蹤或人體部分跟蹤（如跟蹤手、臉、頭和腳等身體部分）等；就跟蹤目標(biāo)個(gè)數(shù)而言，可以分為單目標(biāo)跟蹤和多目標(biāo)跟蹤；就跟蹤視角而言，可以分為單攝像機(jī)的單一視角、多攝像機(jī)的多視角和全方位視角；還可以通過(guò)攝像機(jī)類(lèi)型（紅外攝像機(jī)、可見(jiàn)光攝像機(jī)）、攝像機(jī)狀態(tài)（運(yùn)動(dòng)、固定）、跟蹤空間（二維、三維）和跟蹤環(huán)境（室內(nèi)、室外）等方面來(lái)進(jìn)行分類(lèi)。[2]針對(duì)不同的研究對(duì)象有不同的跟蹤算法，主要有以下幾種跟蹤算法：1)基于特征的跟蹤為了實(shí)現(xiàn)目標(biāo)跟蹤，沒(méi)有必要跟蹤整個(gè)目標(biāo)區(qū)域，只要跟蹤目標(biāo)的某些顯著特征，就可以實(shí)現(xiàn)對(duì)整個(gè)運(yùn)動(dòng)目標(biāo)的跟蹤。這些顯著特征可以是目標(biāo)的質(zhì)心，也可以是目標(biāo)上的任意一點(diǎn)，只要這些特征具有高度的穩(wěn)定性，不易受外界因素如光照強(qiáng)度變化、噪聲等因素的干擾，對(duì)目標(biāo)大小、位置、方位不敏感即可。為了提高跟蹤的魯棒性，往往不只選一個(gè)特征，而是選一組特征，在一般情況下，可利用的特征有：角點(diǎn)、直邊緣等局部特征和質(zhì)心、表面積和慣量矩等全局特征，在實(shí)際應(yīng)用中，采用什么特征主要取決于目標(biāo)具有哪些特征以及算法實(shí)現(xiàn)的具體要求?；谔卣鞯哪繕?biāo)跟蹤方法利用跟蹤特征點(diǎn)位置的變化來(lái)跟蹤目標(biāo)，首先，從圖像序列中提取目標(biāo)的顯著特征，如拐點(diǎn)、質(zhì)心或有明顯標(biāo)記區(qū)域?qū)?yīng)的點(diǎn)、線(xiàn)、曲線(xiàn)等；然后在連續(xù)圖像幀之間尋找特征的對(duì)應(yīng)關(guān)系，即進(jìn)行特征匹配，最后計(jì)算運(yùn)動(dòng)信息，從而通過(guò)對(duì)特征的跟蹤來(lái)完成對(duì)整個(gè)目標(biāo)的跟蹤。Polana將每個(gè)行人用一個(gè)矩形框封閉起來(lái)，封閉框的質(zhì)心被選作跟蹤的特征，在跟蹤過(guò)程中，如果兩人出現(xiàn)相互遮擋的情況，只要能區(qū)分質(zhì)心的速度，就能成功地完成人體跟蹤。這種方法的優(yōu)點(diǎn)是：即使場(chǎng)景中出現(xiàn)部分遮擋情況，只要目標(biāo)的一些特征可見(jiàn)，仍可以保持對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤。由于只跟蹤已選擇的顯著特征，上一幀目標(biāo)的特征在下一幀圖像中的可能匹配數(shù)目大大小于相關(guān)跟蹤算法，處理的數(shù)據(jù)量小，并且由于特征的精心選取，使得在光照和目標(biāo)幾何形狀發(fā)生變化時(shí)，也能進(jìn)行目標(biāo)跟蹤，具有一定的魯棒性。特征的選取對(duì)整個(gè)跟蹤算法十分重要，關(guān)系到整個(gè)跟蹤系統(tǒng)的可靠性和跟蹤精度，它應(yīng)具有對(duì)目標(biāo)大小、位置、方向和照度變化不敏感的特點(diǎn)，如灰度局部極大值點(diǎn)、跟蹤。其不足是要求獨(dú)立而準(zhǔn)確地初始化邊界，而這在實(shí)際應(yīng)用中往往很難實(shí)現(xiàn)。2)基于相關(guān)的跟蹤相關(guān)跟蹤法，又叫模板匹配法，其主要思想是：將目標(biāo)的基準(zhǔn)圖像（模板）在實(shí)時(shí)圖像中以不同的偏移值進(jìn)行位移，然后根據(jù)一定的相似性度量準(zhǔn)則對(duì)每一個(gè)偏移值下重疊的兩個(gè)圖像進(jìn)行處理，計(jì)算兩者的相關(guān)值，根據(jù)最大相關(guān)值確定實(shí)時(shí)圖像中目標(biāo)的位置。簡(jiǎn)單地說(shuō)，就是在當(dāng)前幀中尋找與上一幀目標(biāo)相關(guān)性最大的區(qū)域。相關(guān)跟蹤法具有很強(qiáng)的噪聲抑制能力，可以在很小的信噪比條件下工作，它具有對(duì)有關(guān)目標(biāo)的知識(shí)要求甚少、定位精度高、跟蹤距離遠(yuǎn)、可靠性高和較強(qiáng)的局部抗干擾能力等優(yōu)點(diǎn)，而且計(jì)算簡(jiǎn)單，易于編程和硬化。由于它只利用圖像間的灰度相關(guān)性作為區(qū)域相似性的判斷依據(jù)，對(duì)幾何和灰度畸變十分敏感，光照強(qiáng)度變化或目標(biāo)運(yùn)動(dòng)姿態(tài)發(fā)生變化等都將對(duì)算法產(chǎn)生較大的影響，計(jì)算量偏大。而且往往不能充分利用目標(biāo)的幾何特性，易產(chǎn)生積累誤差，它適用于實(shí)時(shí)圖像與參考圖的產(chǎn)生條件較為一致，目標(biāo)尺寸變化很小，景物與目標(biāo)的相關(guān)性不強(qiáng)的場(chǎng)合。3)基于運(yùn)動(dòng)估計(jì)的跟蹤基于運(yùn)動(dòng)估計(jì)的跟蹤方法是利用圖像序列中目標(biāo)的運(yùn)動(dòng)信息來(lái)對(duì)目標(biāo)進(jìn)行跟蹤的一種方法。運(yùn)動(dòng)信息又稱(chēng)為光流，基于光流估計(jì)的方法，利用了灰度的變化信息，首先，從圖像序列的灰度變化中計(jì)算速度場(chǎng)，一般需要計(jì)算灰度的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)；然后利用一些約束條件從速度場(chǎng)中估計(jì)運(yùn)動(dòng)參數(shù)和物體結(jié)構(gòu)。光流方法又分局部光流法和全局光流法，局部光流法能夠準(zhǔn)確的反映出運(yùn)動(dòng)邊緣處的運(yùn)動(dòng)信息，但是對(duì)于圖像中的弱紋理區(qū)域不敏感；全局光流法能夠得到每個(gè)像素處的光流，但是對(duì)于運(yùn)動(dòng)邊界處的光流變化不敏感。由于噪聲、多光源、陰影和遮擋等原因，使得計(jì)算出的光流分布不是十分可靠和準(zhǔn)確，實(shí)際景物中的速度場(chǎng)不一定總是與圖像中的直觀速度場(chǎng)有唯一對(duì)應(yīng)關(guān)系，且偏導(dǎo)數(shù)計(jì)算會(huì)加重噪聲水平，計(jì)算復(fù)雜，使得基于光流的方法在實(shí)際應(yīng)用中常常不穩(wěn)定。盡管目標(biāo)跟蹤算法可以大致分為上述幾類(lèi)，但是這些方法并不是孤立的，在進(jìn)行目標(biāo)跟蹤時(shí)，為了保證跟蹤的可靠性和準(zhǔn)確性，常常混合使用幾種算法以得到更好的跟蹤效果。1.3本文的具體結(jié)構(gòu)安排第一章緒論，詳細(xì)闡述了目標(biāo)跟蹤的研究背景和意義，總結(jié)了國(guó)內(nèi)外研究的發(fā)展現(xiàn)狀，討論了目前目標(biāo)跟蹤存在的困難和不足，指出了本文重點(diǎn)解決的問(wèn)題。第二章主要研究了幀間差分法、時(shí)間差分法和背景去除法及算法和各自的適用范圍。第三章匹配方法和目標(biāo)搜索算法，重點(diǎn)用最小平均絕對(duì)差值函數(shù)(MAD)做了跟蹤算法實(shí)現(xiàn)跟蹤。第四章模板更新，由于目標(biāo)的大小在變化及拍攝設(shè)備姿態(tài)的變化等導(dǎo)致目標(biāo)變化，因此必須采取模板更新，已保證跟蹤精度。運(yùn)動(dòng)目標(biāo)檢測(cè)目前，已經(jīng)有許多標(biāo)準(zhǔn)的算法用于運(yùn)動(dòng)目標(biāo)檢測(cè)，它們具有不同的效果和復(fù)雜度。在實(shí)際應(yīng)用中，運(yùn)動(dòng)目標(biāo)的提取通常不是采用單一的檢測(cè)算法，而是對(duì)某一算法進(jìn)行改進(jìn)或是綜合運(yùn)用幾種算法以求達(dá)到更好的效果。無(wú)論采用哪種目標(biāo)檢測(cè)算法，都應(yīng)該滿(mǎn)足以下幾個(gè)條件：能夠準(zhǔn)確地從圖像序列中檢測(cè)出運(yùn)動(dòng)目標(biāo)；操作簡(jiǎn)便、快捷以及適應(yīng)實(shí)時(shí)系統(tǒng)的要求；對(duì)天氣、光照等環(huán)境變化不敏感，且對(duì)于攝像機(jī)振動(dòng)或由其它情況引起的噪聲有很好的魯棒性；所需要的先驗(yàn)信息越少越好。運(yùn)動(dòng)檢測(cè)主要有三種方法：光流法、時(shí)間差分法和背景去除法。光流法在攝像機(jī)運(yùn)動(dòng)的條件下也能檢測(cè)出獨(dú)立的運(yùn)動(dòng)目標(biāo)，然而大多數(shù)的光流計(jì)算相當(dāng)復(fù)雜，不能夠用于實(shí)時(shí)處理。時(shí)間差分檢測(cè)法對(duì)于運(yùn)動(dòng)環(huán)境具有較強(qiáng)的自適應(yīng)性，但一般不能完全提取出所有相關(guān)區(qū)域的像素點(diǎn)，在運(yùn)動(dòng)實(shí)體中容易產(chǎn)生空洞現(xiàn)象。背景去除法適用于固定攝像機(jī)的情形，它先為背景建立背景模型，通過(guò)將當(dāng)前圖像幀和背景模型進(jìn)行比較，確定出亮度變化較大的區(qū)域，即認(rèn)為是前景區(qū)域。這種方法計(jì)算速度很快，可以獲得完整的運(yùn)動(dòng)區(qū)域，但對(duì)于場(chǎng)景中光照條件和噪聲比較敏感，在實(shí)際應(yīng)用中需要采用一定的算法維護(hù)和更新背景模型，以適應(yīng)環(huán)境的變化。[10]本章首先簡(jiǎn)單概述了目標(biāo)檢測(cè)算法，然后詳細(xì)介紹了本文使用的自適應(yīng)背景去除算法，接著針對(duì)陰影對(duì)目標(biāo)檢測(cè)的影響，本文從色彩和光照不變性的角度，分析和討論了陰影的特性，提出了一個(gè)新的可用于陰影去除的算法，提高了陰影去除率，最后介紹了噪聲處理和區(qū)域標(biāo)記方法。2.1檢測(cè)算法及概述運(yùn)動(dòng)目標(biāo)檢測(cè)就是對(duì)包含運(yùn)動(dòng)信息的圖像序列進(jìn)行適當(dāng)?shù)靥幚恚瑥亩コo止的背景，檢測(cè)出運(yùn)動(dòng)目標(biāo)及其攜帶的運(yùn)動(dòng)信息，并對(duì)這些運(yùn)動(dòng)信息進(jìn)行整合，得到關(guān)鍵參數(shù)，為視覺(jué)系統(tǒng)的后續(xù)階段提供可靠的數(shù)據(jù)源。運(yùn)動(dòng)目標(biāo)的檢測(cè)原則是要盡可能保留那些對(duì)視覺(jué)檢測(cè)有重要意義的特征信息，同時(shí)最大限度地摒棄那些對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)無(wú)用的冗余信息。人們總是希望有一個(gè)通用的運(yùn)動(dòng)檢測(cè)算法，能適用于各種環(huán)境，在各種場(chǎng)景中都能很好地工作。但是，在實(shí)際應(yīng)用中，由于動(dòng)態(tài)場(chǎng)景的光照變化、陰影、目標(biāo)之間的遮擋現(xiàn)象以及攝像機(jī)的抖動(dòng)等問(wèn)題的存在，要得到一個(gè)通用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法是十分困難的，研究者不得不在算法的復(fù)雜度、可靠性以及實(shí)時(shí)性等方面綜合考慮。目前，研究人員已經(jīng)在這方面做了大量的研究，提出了許多方法。下面簡(jiǎn)單介紹目前常用的幾種方法：2.1.1連續(xù)幀間差分法連續(xù)幀間差分法是將連續(xù)兩幀進(jìn)行比較，從中提取出運(yùn)動(dòng)目標(biāo)的信息，基本運(yùn)算過(guò)程如圖2-1所示，圖2-1連續(xù)幀間差分法的示意圖首先，利用公式2-1計(jì)算第k幀圖像與第k-1幀圖像之間的差別，得到差分后的圖像;（2-1）其中：，為連續(xù)兩幀圖像，為幀間圖像。然后對(duì)差分后圖像Dk使用圖像分割算法(公式2-2)進(jìn)行二值化處理，即認(rèn)為當(dāng)差分圖像中某一像素的差大于設(shè)定的閉值時(shí)，則認(rèn)為該像素是前景像素(檢測(cè)到的目標(biāo))，反之則認(rèn)為是背景像素;(2-2)按照上面介紹的連續(xù)幀間差分方法，我們對(duì)室外的運(yùn)動(dòng)目標(biāo)進(jìn)行了檢測(cè)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如下圖所示。由于本圖幀之間的變化很小，因此選取相鄰幾幀來(lái)做(a)(b)(c)圖2-2采用連續(xù)幀間差分法的效果圖連續(xù)幀間差分方法在動(dòng)態(tài)環(huán)境下的自適應(yīng)性是很強(qiáng)的，但是這樣分割出來(lái)的區(qū)域?qū)嶋H上是物體前后兩個(gè)位置的“或”區(qū)域，比物體實(shí)際所在的區(qū)域要大。采用連續(xù)幀間差分方法檢測(cè)目標(biāo)時(shí)，需要考慮如何選擇合適的時(shí)間間隔。[9]一般時(shí)間間隔依賴(lài)于所監(jiān)視的物體的運(yùn)動(dòng)速度。對(duì)快速運(yùn)動(dòng)的物體，需要選擇較小的時(shí)間差，如果選擇得不合適，最壞情況下目標(biāo)在前后兩幀圖像中沒(méi)有重疊，造成被檢測(cè)為兩個(gè)分開(kāi)的物體;而對(duì)慢速運(yùn)動(dòng)的物體，應(yīng)該選擇較大的時(shí)間差，如果選擇得不適當(dāng)，最壞情況下目標(biāo)在前后兩幀圖像中幾乎完全重疊，根本檢測(cè)不到物體。針對(duì)這些問(wèn)題有許多的改進(jìn)方法，例如提出三幀差圖像法，利用三幀圖像計(jì)算出兩個(gè)差分圖像，再令對(duì)應(yīng)像素相乘。這種方法檢測(cè)運(yùn)動(dòng)目標(biāo)仍然存在不完整問(wèn)題Lipton等利用兩幀差分法從實(shí)際視頻圖像中檢測(cè)出運(yùn)動(dòng)目標(biāo)，進(jìn)而用于目標(biāo)的分類(lèi)與跟蹤；一個(gè)改進(jìn)的方法是利用三幀差分來(lái)代替兩幀差分，如VSAM使用一種自適應(yīng)背景減除與三幀差分相結(jié)合的混合算法；為了提高差分法的性能，Jain提出了累積圖像差分法.幀間差分法其主要優(yōu)點(diǎn)是：算法實(shí)現(xiàn)簡(jiǎn)單、復(fù)雜度低、實(shí)時(shí)性高，由于相鄰幀的時(shí)間間隔較短，對(duì)場(chǎng)景光照的變化不太敏感，受陰影的影響也不是很大，時(shí)間差分法對(duì)動(dòng)態(tài)環(huán)境有較好的適應(yīng)性。[1]然而，在實(shí)際應(yīng)用中目標(biāo)檢測(cè)的結(jié)果往往不太令人滿(mǎn)意，其主要問(wèn)題是：當(dāng)目標(biāo)表面存在像素均勻的大區(qū)域時(shí)，時(shí)間差分法將在目標(biāo)的上述區(qū)域產(chǎn)生“空洞”而使目標(biāo)被過(guò)度分割成多個(gè)區(qū)域，只能檢測(cè)出運(yùn)動(dòng)目標(biāo)的一部分；另外由于目標(biāo)的運(yùn)動(dòng)，前一幀中被目標(biāo)遮擋的背景部分在當(dāng)前幀中將暴露出來(lái)，使得這部分背景也被認(rèn)為是運(yùn)動(dòng)區(qū)域；同時(shí)這種方法所檢測(cè)到的運(yùn)動(dòng)區(qū)域的大小與目標(biāo)的運(yùn)動(dòng)速度有關(guān)，目標(biāo)運(yùn)動(dòng)速度越大，檢測(cè)出的區(qū)域就比實(shí)際的區(qū)域越大，而當(dāng)目標(biāo)運(yùn)動(dòng)很緩慢時(shí)，往往檢測(cè)到的區(qū)域很小，甚至無(wú)法檢測(cè)到目標(biāo)的運(yùn)動(dòng)。2.1.2背景去除法背景去除法是目前運(yùn)動(dòng)目標(biāo)檢測(cè)中最常用的一種方法，它是利用當(dāng)前幀圖像和背景圖像（參考幀圖像）的差分來(lái)檢測(cè)運(yùn)動(dòng)區(qū)域的一種技術(shù)，即將當(dāng)前幀圖像與背景圖像相減，若差值大于某一閾值，則認(rèn)為此像素點(diǎn)為運(yùn)動(dòng)目標(biāo)上的一點(diǎn)，閾值大小決定了檢測(cè)算法的靈敏度。[4]在背景去除法中，背景圖像的選取直接關(guān)系到最終檢測(cè)結(jié)果的準(zhǔn)確性。在理想情況下，即背景圖像是完全靜止的，而且具有運(yùn)動(dòng)目標(biāo)的圖像除了運(yùn)動(dòng)區(qū)域的像素值發(fā)生了變化，其余屬于背景的部分保持不變。背景去除法可以簡(jiǎn)單地表示為：=（2-3）（2-4）式中(i,j)表示背景圖像。當(dāng)前幀圖像（a）背景圖像（b）背景去除后的目標(biāo)（c）圖2-3采用背景差分法的效果圖與時(shí)間差分法相比，背景去除法能夠提供比較完整的運(yùn)動(dòng)目標(biāo)信息，得到較準(zhǔn)確的目標(biāo)圖像，而且速度快，能適應(yīng)實(shí)時(shí)系統(tǒng)的要求。但隨著時(shí)間的推移，對(duì)光照和外部條件造成的場(chǎng)景變化比較敏感，會(huì)出現(xiàn)許多噪聲點(diǎn)，影響目標(biāo)檢測(cè)結(jié)果。在實(shí)際應(yīng)用中，場(chǎng)景中的背景很復(fù)雜，存在各種各樣的干擾，而且背景隨著時(shí)間不斷變化，所以適用于整個(gè)圖像序列的理想背景是不存在的，因此使用背景去除法的主要困難在于背景模型的建立和維護(hù)。一般來(lái)說(shuō)，背景模型需滿(mǎn)足以下要求：1)能適應(yīng)背景隨時(shí)間的緩慢變化，如一天當(dāng)中不同時(shí)間里的光照變化；2)能適應(yīng)背景物體的變化，如場(chǎng)景中移入新的物體，背景中的物體移出場(chǎng)景等變化；3)背景模型能描述背景中的一些較大擾動(dòng)，如樹(shù)葉晃動(dòng)、日光燈閃爍等；4)能適應(yīng)光照亮度的突變；5)能夠消除前景物體的陰影；6)能夠處理前景物體與背景相似的情況，如人體衣服的顏色與背景中某個(gè)物體的顏色相似。對(duì)于這些問(wèn)題，可能的解決辦法是：不斷更新背景模型，使得背景模型具有自適應(yīng)的功能，解決背景物體發(fā)生變化的影響和光照漸變的影響；對(duì)于室外樹(shù)葉的擺動(dòng)、日光燈的閃爍等情況，可以建立多模的背景模型，如利用混合高斯模型對(duì)背景像素建模；對(duì)于前景和背景顏色相似的，可以利用能夠測(cè)量深度的攝像機(jī)捕獲圖像以及圖像中對(duì)應(yīng)于各像素點(diǎn)的深度信息；雖然陰影使得像素點(diǎn)的強(qiáng)度變化比較大，但是其色度信息幾乎保持不變，可以利用色度信息把陰影從前景中消除。目前許多研究人員致力于背景模型的研究，希望能夠減少動(dòng)態(tài)場(chǎng)景對(duì)于準(zhǔn)確檢測(cè)的影響。主要有基于統(tǒng)計(jì)的模型（高斯模型）和基于預(yù)測(cè)的方法（卡爾曼濾波、維納濾波等）。如Haritaoglu等利用最大、最小強(qiáng)度值和最大時(shí)間差分值為場(chǎng)景中的每個(gè)像素進(jìn)行統(tǒng)計(jì)建模，并且進(jìn)行周期性的背景更新；McKenna等利用像素色彩和梯度信息相結(jié)合方法來(lái)建立自適應(yīng)背景模型。2.1.3光流法光流是運(yùn)動(dòng)物體被觀測(cè)面上的像素點(diǎn)運(yùn)動(dòng)產(chǎn)生的瞬時(shí)速度場(chǎng)，它包含了物體三維表面結(jié)構(gòu)和動(dòng)態(tài)行為的重要信息。一般情況下，光流由相機(jī)運(yùn)動(dòng)、場(chǎng)景中目標(biāo)的運(yùn)動(dòng)或兩者的同時(shí)運(yùn)動(dòng)產(chǎn)生的。當(dāng)場(chǎng)景中有獨(dú)立的運(yùn)動(dòng)目標(biāo)時(shí)，通過(guò)光流分析可以確定運(yùn)動(dòng)目標(biāo)的數(shù)目、運(yùn)動(dòng)速度、目標(biāo)距離和目標(biāo)的表面結(jié)構(gòu)。光流研究已經(jīng)在環(huán)境建模、目標(biāo)檢測(cè)與跟蹤以及視頻事件分析中得到了廣泛的應(yīng)用。光流計(jì)算方法大致可以分為三類(lèi)：基于匹配的方法、基于頻域的方法和基于梯度的方法。[9]光流法的基本原理是：給圖像中的每一個(gè)像素點(diǎn)賦予一個(gè)速度矢量，形成一個(gè)圖像運(yùn)動(dòng)場(chǎng)，在運(yùn)動(dòng)的一個(gè)特定時(shí)刻，圖像上的一點(diǎn)對(duì)應(yīng)三維物體上的某一點(diǎn)，這種對(duì)應(yīng)關(guān)系可由投影關(guān)系得到，根據(jù)各個(gè)像素點(diǎn)的速度矢量特征，可以對(duì)圖像進(jìn)行動(dòng)態(tài)分析。如果圖像中沒(méi)有運(yùn)動(dòng)目標(biāo)，則光流矢量在整個(gè)圖像區(qū)域是連續(xù)變化的，當(dāng)物體和圖像背景存在相對(duì)運(yùn)動(dòng)時(shí)，運(yùn)動(dòng)物體所形成的速度矢量必然和背景速度矢量不同，從而檢測(cè)出運(yùn)動(dòng)物體的位置。設(shè)圖像上的點(diǎn)(x,y)在時(shí)刻t的亮度為f(x,y,t)，經(jīng)過(guò)時(shí)間Δt后對(duì)應(yīng)點(diǎn)的亮度值為f(x+Δx,y+Δy,t+Δt)，當(dāng)Δt→0時(shí)，可以認(rèn)為亮度不變，于是有：f(x,y,t)=f(x+Δx,y+Δy,t+Δt)（2-5）上式用泰勒公式展開(kāi)得：（2-6）由于Δt→0，因此忽略二階無(wú)窮小項(xiàng)，得：（2-7）所以：（2-8）即：（2-9）其中，,分別為x和y方向的光流分量。式(2-9)給出了光流計(jì)算的一個(gè)方程，又稱(chēng)為光流約束方程（OpticalFlowConstraintEquation）。光流約束方程對(duì)每一個(gè)像素點(diǎn)來(lái)說(shuō)都是一個(gè)含有兩個(gè)變量的方程，而只有一個(gè)約束方程，不能同時(shí)確定光流場(chǎng)的兩個(gè)變量，這種不確定問(wèn)題稱(chēng)為孔徑問(wèn)題（ApertureProblem）。由于孔徑問(wèn)題的存在，使得僅通過(guò)光流約束方程而不用其他信息是無(wú)法計(jì)算圖像中某點(diǎn)的光流，為此人們提出了各種方法來(lái)克服這一問(wèn)題。從不同的角度出發(fā)，可以引入不同的光流分析方法，如：使用光流全局平滑性假設(shè)來(lái)求解光流的Horn-Schunck方法；使用一個(gè)模型通過(guò)最小二乘法來(lái)擬合像素點(diǎn)領(lǐng)域內(nèi)的光流值的Lucas-Kanade局部調(diào)整法；利用二階導(dǎo)數(shù)求光流的Nagel方法和利用魯棒回歸算法來(lái)計(jì)算光流克服遮擋時(shí)運(yùn)動(dòng)邊界的信息不可靠問(wèn)題的魯棒計(jì)算法等。關(guān)于光流更加詳細(xì)的討論可參見(jiàn)Barron、高文、馬頌德等的文章?；诠饬鞣椒ǖ倪\(yùn)動(dòng)檢測(cè)采用了運(yùn)動(dòng)目標(biāo)隨時(shí)間變化的光流特性，由于光流不僅包含了被觀測(cè)物體的運(yùn)動(dòng)信息，而且攜帶了有關(guān)物體運(yùn)動(dòng)和三維結(jié)構(gòu)的豐富信息，所以該方法不僅可用于運(yùn)動(dòng)目標(biāo)的檢測(cè)，甚至可直接用于運(yùn)動(dòng)目標(biāo)的跟蹤，在攝像機(jī)運(yùn)動(dòng)的前提下也能檢測(cè)出獨(dú)立的運(yùn)動(dòng)目標(biāo)。然而在實(shí)際應(yīng)用中，由于遮擋性、多光源和噪聲等原因，使得光流約束方程的灰度守恒假設(shè)條件得不到滿(mǎn)足，不能求解出正確的光流場(chǎng)；并且光流場(chǎng)與運(yùn)動(dòng)場(chǎng)并不一一對(duì)應(yīng)，如球體在攝像機(jī)前面繞中心軸旋轉(zhuǎn)，其明暗模式并不隨著表面運(yùn)動(dòng)，此時(shí)光流在任意地方都等于零，而運(yùn)動(dòng)場(chǎng)卻不為零；若球體不動(dòng)，光源運(yùn)動(dòng)，則光流場(chǎng)不為零，而運(yùn)動(dòng)場(chǎng)卻等于零。同時(shí)大多數(shù)的光流計(jì)算方法相當(dāng)復(fù)雜，計(jì)算量巨大，除非有特別硬件支持，否則不能滿(mǎn)足實(shí)時(shí)要求。[1]第三章運(yùn)動(dòng)目標(biāo)跟蹤方法3.1引言運(yùn)動(dòng)目標(biāo)跟蹤是近期視覺(jué)領(lǐng)域內(nèi)一個(gè)備受關(guān)注的課題，圖像中運(yùn)動(dòng)目標(biāo)的跟蹤技術(shù)通常是通過(guò)目標(biāo)檢測(cè)來(lái)進(jìn)行跟蹤。運(yùn)動(dòng)目標(biāo)的跟蹤就是在視頻圖像的每一幅圖像中確定出我們感興趣的運(yùn)動(dòng)目標(biāo)的位置，來(lái)實(shí)現(xiàn)目標(biāo)的跟蹤。在機(jī)器視覺(jué)研究領(lǐng)域里，隨著技術(shù)不斷發(fā)展，自動(dòng)目標(biāo)跟蹤(ATR)越來(lái)越受到研究者的重視，具有廣闊的應(yīng)用前景。運(yùn)動(dòng)目標(biāo)的跟蹤在工業(yè)控制、軍事設(shè)備、醫(yī)學(xué)研究、視頻監(jiān)控、交通流量觀測(cè)監(jiān)控等很多領(lǐng)域都有重要的實(shí)用價(jià)值。特別在軍事上，先進(jìn)的武器導(dǎo)航、軍事偵察和監(jiān)控中都成功運(yùn)用了自動(dòng)跟蹤技術(shù)。跟蹤的難點(diǎn)在于如何快速而準(zhǔn)確的在每一幀圖像中實(shí)現(xiàn)目標(biāo)定位。本章首先在第二節(jié)中概括介紹目標(biāo)跟蹤的幾種方法。在本文中介紹運(yùn)動(dòng)目標(biāo)的主要特征，具體對(duì)基于目標(biāo)區(qū)域特征進(jìn)行分析，及常見(jiàn)的運(yùn)動(dòng)目標(biāo)搜索算法，重點(diǎn)分析了跟蹤原理和搜索算法。3.2運(yùn)動(dòng)目標(biāo)跟蹤方法圖像中運(yùn)動(dòng)目標(biāo)的跟蹤技術(shù)通常有兩種算法思想通過(guò)目標(biāo)識(shí)別來(lái)進(jìn)行跟蹤和通過(guò)運(yùn)動(dòng)檢測(cè)來(lái)進(jìn)行跟蹤。使用目標(biāo)識(shí)別的方法進(jìn)行跟蹤通過(guò)在每一幀的圖像中識(shí)別研究的物體來(lái)確定物體的位置來(lái)實(shí)現(xiàn)目標(biāo)的跟蹤。這種方法包含了目標(biāo)識(shí)別和目標(biāo)匹配兩部分。而使用運(yùn)動(dòng)目標(biāo)檢測(cè)的方法來(lái)發(fā)現(xiàn)并確定運(yùn)動(dòng)目標(biāo)的位置進(jìn)行跟蹤，這種方法不考慮目標(biāo)的形狀、尺寸，可以檢測(cè)任何物體。近年來(lái)，人們從這兩種基本思想或結(jié)合這兩種思想的角度出發(fā)，提出了大量的跟蹤算法。這些算法在實(shí)時(shí)性、可靠性和精確性上都有改進(jìn)?，F(xiàn)有的目標(biāo)跟蹤方法有下面三類(lèi):基于特征匹配的跟蹤方法、基于區(qū)域匹配的跟蹤算法、基于模型匹配的跟蹤算法。3.2.1基于特征匹配的跟蹤方法基于特征匹配的跟蹤方法不考慮運(yùn)動(dòng)目標(biāo)的整體特征，即不關(guān)心目標(biāo)是什么，只通過(guò)目標(biāo)物體的一些特征來(lái)進(jìn)行跟蹤。由于圖像采樣時(shí)間間隔通常很小，可以認(rèn)為這些特征在運(yùn)動(dòng)形式上是平滑的，因此可以完成目標(biāo)的整體跟蹤過(guò)程。無(wú)論是剛體運(yùn)動(dòng)目標(biāo)還是非剛體運(yùn)動(dòng)目標(biāo)，基于特征匹配的方法進(jìn)行目標(biāo)跟蹤時(shí)包括特征的提取和特征匹配兩個(gè)過(guò)程。在特征提取中要選擇適當(dāng)?shù)母櫶卣鳎⑶以谙乱粠瑘D像中提取特征;在特征匹配中將提取的當(dāng)前幀圖像中目標(biāo)的特征與特征模板相比較，根據(jù)比較的結(jié)果來(lái)確定目標(biāo)，從而實(shí)現(xiàn)目標(biāo)的跟蹤。例如使用特征點(diǎn)對(duì)人體進(jìn)行運(yùn)動(dòng)跟蹤[33〕。該方法把需要跟蹤的每一個(gè)人用一個(gè)矩形框封閉起來(lái)，封閉框的質(zhì)心被選擇為目標(biāo)的跟蹤特征。除了用單一的特征來(lái)實(shí)現(xiàn)跟蹤外，還可以采用多個(gè)特征信息綜合在一起作為跟蹤特征，來(lái)提高跟蹤的效果。利用多個(gè)目標(biāo)特征聯(lián)合進(jìn)行跟蹤的算法，如StnaBicrhfield提出了將目標(biāo)的顏色直方圖模型和灰度梯度模型聯(lián)合的方法，實(shí)現(xiàn)對(duì)人頭部的實(shí)時(shí)跟蹤；H.chne和.TLiu聯(lián)合目標(biāo)的顏色概率分布和邊緣密度信息完成對(duì)非剛體目標(biāo)的跟蹤。[3]如果運(yùn)動(dòng)目標(biāo)物體簡(jiǎn)單，可以將整個(gè)目標(biāo)作為特征來(lái)進(jìn)行跟蹤，這種方法也被稱(chēng)為模板匹配。[4]3.2.2基于區(qū)域匹配的跟蹤方法基于區(qū)域匹配的跟蹤方法是把圖像中運(yùn)動(dòng)目標(biāo)的連通區(qū)域的共有特征信息作為跟蹤檢測(cè)值的一種方法。在連續(xù)的圖像中有多種區(qū)域信息，例如顏色特征、紋理特征等等。這種方法不需要在視頻序列的圖像中找到完全相同的特征信息，通過(guò)計(jì)算區(qū)域的原始目標(biāo)之間的相關(guān)性來(lái)確定跟蹤目標(biāo)的位置?；趨^(qū)域的跟蹤方法我們可以選取整個(gè)區(qū)域的單一的特征來(lái)實(shí)現(xiàn)跟蹤，但是實(shí)際跟蹤過(guò)程中單一的特征不太好選擇，所以一般采用運(yùn)動(dòng)目標(biāo)的多個(gè)特征來(lái)進(jìn)行跟蹤。例如，Wrell利用小區(qū)域特征進(jìn)行室內(nèi)單人的跟蹤。該方法將人體看作由頭、軀干、四肢等身體部分所對(duì)應(yīng)的小區(qū)域塊的聯(lián)合體，通過(guò)分別跟蹤各個(gè)小區(qū)域塊最終完成對(duì)整個(gè)人體的跟蹤?；趨^(qū)域的跟蹤與基于區(qū)域的分割過(guò)程聯(lián)系較為緊密，所以也可以利用分割同跟蹤相結(jié)合的方法來(lái)進(jìn)行跟蹤。例如Frnaoc提出的區(qū)域跟蹤方法依賴(lài)于以前的檢測(cè)來(lái)區(qū)分運(yùn)動(dòng)目標(biāo)，然后跟蹤目標(biāo)。運(yùn)用濾波跟蹤技術(shù)精確估計(jì)了區(qū)域幾何形狀和速度。Jgrea等人提出的區(qū)域跟蹤算法不僅利用了分割結(jié)果來(lái)給跟蹤提供信息，同時(shí)也能利用跟蹤所提供的信息改善分割效果，把連續(xù)幀的目標(biāo)匹配起來(lái)達(dá)到跟蹤目標(biāo)的目的。[4]3.2.3基于模型匹配的跟蹤方法基于模型匹配的跟蹤方法是用模型來(lái)表示目標(biāo)物體，也就是建模，然后在圖像序列中跟蹤這個(gè)建好的模型來(lái)實(shí)現(xiàn)目標(biāo)的跟蹤。對(duì)于剛體目標(biāo)來(lái)說(shuō)，其運(yùn)動(dòng)狀態(tài)變換主要是平移、旋轉(zhuǎn)等，可以利用該方法實(shí)現(xiàn)目標(biāo)跟蹤。但是實(shí)際應(yīng)用中跟蹤的物體往往是非剛體的，目標(biāo)確切的幾何模型不容易得到，因此可以利用變形輪廓模板來(lái)匹配到目標(biāo)來(lái)進(jìn)行跟蹤。目前有兩種可變性模型:一種是自由式的可變形模型，主要滿(mǎn)足一些簡(jiǎn)單的約束條件(連續(xù)性、平滑性等)用來(lái)跟蹤任意形狀的運(yùn)動(dòng)目標(biāo)。另一種是參數(shù)可變的模型。這種方法用一個(gè)參數(shù)公式，或一個(gè)變形公式來(lái)描述目標(biāo)物體的形狀。[1]在前文提到的跟蹤方法中，我們可以知道運(yùn)動(dòng)目標(biāo)的特征是一個(gè)重要的跟蹤依據(jù)，在很多跟蹤算法中都有目標(biāo)特征提取這一環(huán)節(jié)。所提取的目標(biāo)特征必須在環(huán)境變化、目標(biāo)自身變化或者運(yùn)動(dòng)改變時(shí)，仍然能夠?qū)⑦\(yùn)動(dòng)目標(biāo)描述出來(lái)。圖像目標(biāo)的特征大致分為：(1)圖像的視覺(jué)特征，如圖像的輪廓、邊緣、形狀、紋理和區(qū)域等特征;(2)圖像的統(tǒng)計(jì)特征，如顏色直方圖、各種不變矩等特征;(3)圖像的變換系數(shù)特征，如付立葉描述子、小波變換系數(shù)和自回歸模型等特征;(4)圖像的代數(shù)特征，如圖像矩陣的奇異值分解等。3.3運(yùn)動(dòng)目標(biāo)搜索算法運(yùn)動(dòng)目標(biāo)跟蹤算法中，目標(biāo)的特征提取之后，就是要選擇合適的搜索匹配算法來(lái)實(shí)現(xiàn)目標(biāo)在每幀圖像中的定位。要能夠準(zhǔn)確地、實(shí)時(shí)地確定目標(biāo)的位置搜索算法很關(guān)鍵。經(jīng)典的搜索匹配算法包括有絕對(duì)平衡搜索法、歸一化相關(guān)法。利用圖像的邊緣特征搜索匹配算法等。3.3.1絕對(duì)平衡搜索法絕對(duì)平衡搜索法就是直接使用模板圖像和待匹配圖像上的搜索窗口之間的像素灰度值的差別來(lái)表示二者之間的相關(guān)性，并且利用閡值來(lái)界定相關(guān)性，進(jìn)而決定匹配效果。絕對(duì)平衡搜索法有三種算法:最小均方誤差函數(shù)(MES)，最小平均絕對(duì)差值函數(shù)(MAD)和最大匹配像素統(tǒng)計(jì)(MPC)，它們的定義分別如下:[5] （3-1）（3-2）（3-3）（3-4）以上各式中T(m，n)為模板圖像灰度值，F(xiàn)(m，n)為待匹配圖像灰度值，依據(jù)(3一7)式，t為預(yù)設(shè)閉值，小于閉值t的像素被歸入匹配像素，否則被歸入非匹配像素。[11]3.4絕對(duì)平衡搜索法實(shí)驗(yàn)結(jié)果第1幀第7幀第15幀第33幀第41幀第53幀第65幀第77幀第80幀第82幀第90幀第97幀第104幀第110幀圖3-4-1采用最小平均絕對(duì)差值算法的跟蹤效果圖絕對(duì)平衡搜索法雖然簡(jiǎn)單，但是有明顯的局限性:一旦待匹配圖像或模板圖像之一的灰度值發(fā)生線(xiàn)性變化時(shí)，這種算法就會(huì)失效。同時(shí)，由于模板和每一幅待匹配圖像都有不同的灰度值，所以閉值也會(huì)很難選定。并且跟蹤時(shí)間很長(zhǎng)，跟蹤100張序列圖像，用時(shí)24.614秒即0.24614秒每張。3.4.1歸一化互相關(guān)搜索法歸一化互相關(guān)匹配算法(Nomral1zedCorerlatino一NC)是一個(gè)經(jīng)典的匹配算法，它是通過(guò)計(jì)算模板圖像和待匹配圖像的互相關(guān)值來(lái)決定匹配的程度，尋找互相關(guān)值最大的搜索窗口的位置作為目標(biāo)新的位置?；ハ嚓P(guān)定義一般有如下的兩種形式:[6]（3-5）（3-6）式中：（3-7）（3-8）歸一化互相關(guān)匹配算法對(duì)線(xiàn)性變換有比較好的“免疫性”〔但是由于圖像中的自相關(guān)值都比較大，因此在互相關(guān)的計(jì)算過(guò)程中，相似性形成以模板的實(shí)際位置為中心的平緩峰，往往無(wú)法檢測(cè)到準(zhǔn)確的尖峰位置。為了克服這個(gè)問(wèn)題，可以對(duì)待匹配圖像和模板作邊緣處理，這么做是因?yàn)楫?dāng)圖像中像素點(diǎn)相關(guān)時(shí)，兩副圖像的相關(guān)性實(shí)際是集中在它們的邊緣信息上的。歸一化互相關(guān)匹配算法的另一個(gè)缺點(diǎn)是計(jì)算耗時(shí)很大，所以可以考慮使用加速算法對(duì)其改進(jìn)，如使用序貫相似度檢測(cè)算法(SSAD)和金字塔層次算法等，本質(zhì)上這些算法是通過(guò)預(yù)測(cè)一個(gè)能在一幀的大致位置來(lái)減小搜索次數(shù)和時(shí)間。[1]3.5歸一化互相關(guān)搜索法實(shí)驗(yàn)結(jié)果及分析第1幀第4幀第9幀第15幀第23幀第31幀第44幀第56幀第68幀第110幀第151幀第179幀第200幀第239幀第251幀第273幀第307幀第321幀第330幀第339幀圖3-5采用歸一化互相關(guān)匹配算法的跟蹤效果圖實(shí)驗(yàn)結(jié)果分析，在第307幀時(shí)出現(xiàn)跟蹤目標(biāo)丟失，絕對(duì)平均搜索算法在200幀目標(biāo)就丟失了。因此可知，采用歸一算法跟蹤較絕對(duì)平均搜索算法的跟蹤精度更高。跟蹤100張連續(xù)的序列圖像，NC算法41.75秒，及0.4175秒每張。第四章模板更新與軌跡預(yù)測(cè)4.1模板更新簡(jiǎn)述及策略由于照相機(jī)與目標(biāo)的相對(duì)運(yùn)動(dòng),視野中的目標(biāo)可能出現(xiàn)大小、形狀、姿態(tài)等變化,加上外界環(huán)境中的各種干擾,以及隨著時(shí)間推移,所要跟蹤的目標(biāo)和目標(biāo)所在的場(chǎng)景都發(fā)生了變化,這時(shí)我們所要跟蹤的目標(biāo)點(diǎn)會(huì)發(fā)生誤差,嚴(yán)重情況下,有可能丟失跟蹤目標(biāo)。為了保證跟蹤的穩(wěn)定性和正確性,需要對(duì)模板圖像進(jìn)行自適應(yīng)更新。[7]模板圖像是相關(guān)匹配跟蹤過(guò)程中進(jìn)行相似性度量的基準(zhǔn),由于視野中的目標(biāo)可能出現(xiàn)大小、形狀、姿態(tài)等變化,為了對(duì)所期望的目標(biāo)進(jìn)行跟蹤,用于對(duì)每一被跟蹤圖像進(jìn)行相關(guān)計(jì)算的模板圖像必須根據(jù)相關(guān)峰位置的變化進(jìn)行條件更新。這一過(guò)程就是不斷地根據(jù)模板圖像與搜索場(chǎng)景圖像的相關(guān)結(jié)果來(lái)自適應(yīng)更新模板圖像。由于模板圖像是從前一幀圖像中抽取的,而對(duì)應(yīng)像素距離計(jì)算卻是用模板圖像與下一幀圖像進(jìn)行對(duì)應(yīng)像素距離運(yùn)算,這樣得到的最大相關(guān)曲面峰值位置即為最佳的匹配位置。由于照相機(jī)目標(biāo)間的相對(duì)運(yùn)動(dòng),目標(biāo)可能出現(xiàn)大小、形狀、姿態(tài)等變化,加上外界環(huán)境的各種干擾,如噪聲、遮擋等。還有圖像處理最小計(jì)量單位的精度問(wèn)題。這樣對(duì)應(yīng)像素距離測(cè)度的圖像匹配跟蹤算法得不到絕對(duì)最佳的匹配位置,存在匹配誤差是必然的。因此正確的模板圖像的更新和修正方法是維持長(zhǎng)時(shí)間穩(wěn)定跟蹤的關(guān)鍵。模板圖像是對(duì)應(yīng)像素距離測(cè)度的圖像匹配跟蹤過(guò)程中的基準(zhǔn),考慮到目標(biāo)區(qū)域圖像存在變化,模板圖像的更新和修正是必要的。模板圖像不修正或修正間隔時(shí)間過(guò)長(zhǎng),將無(wú)法適應(yīng)場(chǎng)景的變化,而模板圖像修正過(guò)快或修正方法不當(dāng)也會(huì)使匹配誤差急劇增加從而引起誤配發(fā)生,丟失匹配跟蹤目標(biāo)。因此對(duì)模板圖像進(jìn)行合理的更新和修正是圖像匹配跟蹤的關(guān)鍵。選擇合適的模板圖像更新和修正策略,可以在一定程度上克服上述變化對(duì)圖像匹配跟蹤結(jié)果的影響。在序列圖像匹配跟蹤過(guò)程中,若單純地利用當(dāng)前圖像的最佳匹配位置處的圖像來(lái)作為模板圖像進(jìn)行下一幀圖像的匹配,則匹配跟蹤結(jié)果很容易受某一幀發(fā)生突變的圖像的影響而偏離正確的匹配位置,從而使誤配現(xiàn)象發(fā)生。因此,根據(jù)對(duì)應(yīng)像素距離測(cè)度的圖像匹配跟蹤算法的特點(diǎn),可以考慮增加一個(gè)判別準(zhǔn)則,這個(gè)準(zhǔn)則就是對(duì)幀內(nèi)及相鄰序列幀間的匹配結(jié)果進(jìn)行評(píng)估而得出的匹配跟蹤置信度,根據(jù)這個(gè)匹配置信度來(lái)分不同情況決定如何修改或更新模板圖像。如果當(dāng)前幀圖像匹配質(zhì)量很差,則該幀圖像數(shù)據(jù)不進(jìn)人模板圖像的修正而若當(dāng)前禎圖像匹配質(zhì)量很好或比較好時(shí),則該幀圖像數(shù)據(jù)進(jìn)人模板圖像的修正。這就是基于濾波與預(yù)測(cè)的模板圖像更新和修正方法,亦即基于匹配跟蹤置信度的加權(quán)自適應(yīng)模板圖像更新算法。下面給出幾種模板更新的策略。[8]1、中心加權(quán)策略我們認(rèn)為一般感興趣的區(qū)域多位于模板圖像的中心位置，而且可以假設(shè)圖像模板的中心部分在幀間變化比較小，因此可以對(duì)模板進(jìn)行中心加權(quán)，使模板像素在匹配中的貢獻(xiàn)率從模板中心到邊緣由大變小，提高匹配對(duì)噪聲和目標(biāo)形變的影響，比如可采用如下的加權(quán)系數(shù)：，式中i和j是以模板中心為原點(diǎn)的坐標(biāo)。經(jīng)過(guò)中心位置加權(quán)的匹配能提高相關(guān)峰的陡峭度，較好地克服目標(biāo)的小范圍畸變，以及目標(biāo)邊緣被部分遮擋的情況。2、加權(quán)生成新模板按照一個(gè)固定的權(quán)值對(duì)當(dāng)前新位置和舊模板加權(quán)生成新模板的方法是不夠合理的，由于沒(méi)有考慮到匹配效果的好壞，因而可能會(huì)使目標(biāo)跟蹤的精度降低。我們可以通過(guò)度量模板圖像和實(shí)時(shí)圖像的匹配度來(lái)確定如何對(duì)模板圖像進(jìn)行更新，獲得更新后的模板。其更新方法如下：(4-1)其中和分別是加權(quán)系數(shù)，T是舊的模板圖像，、是最佳匹配位置對(duì)應(yīng)的實(shí)時(shí)圖像中的子圖，T是更新后的模板圖像。3、線(xiàn)性組合法根據(jù)目標(biāo)的短時(shí)平穩(wěn)性運(yùn)動(dòng)規(guī)律和場(chǎng)景變化的特點(diǎn)，可把目標(biāo)識(shí)別模板看成一個(gè)m階馬爾可夫信號(hào)。在實(shí)際實(shí)現(xiàn)中，當(dāng)前幀的目標(biāo)識(shí)別模板可用前面幀的目標(biāo)識(shí)別模板的線(xiàn)性組合得到，如下所示(4-2)其中++=1，。在上式中，通過(guò)調(diào)整權(quán)值的大小，就可改變識(shí)別模板變化的靈活性和平穩(wěn)性，當(dāng)時(shí)，模板的更新就更側(cè)重于靈活性，但如果圖像出現(xiàn)瞬時(shí)干擾時(shí)，可能影響系統(tǒng)穩(wěn)定性；相反，如果時(shí)，則模板的變化相對(duì)穩(wěn)定，當(dāng)目標(biāo)特征變化較快時(shí)，模板的更新可能跟不上目標(biāo)特性的變化。因此，在具體的應(yīng)用中，應(yīng)根據(jù)不同的實(shí)際情況，選擇合適的權(quán)值，使系統(tǒng)整體性能得到提高。4、最佳模板替換法這里所說(shuō)的最佳模板是指在一定幀間隔范圍內(nèi)，與目標(biāo)識(shí)別模板匹配最好的目標(biāo)圖像區(qū)域。通過(guò)調(diào)整幀間間隔數(shù)也能比較好的調(diào)整跟蹤系統(tǒng)的靈活性和穩(wěn)定性。實(shí)驗(yàn)證明它既能很好的適應(yīng)目標(biāo)的快速變化，又對(duì)目標(biāo)的瞬時(shí)遮擋具有較好的抗干擾能力。為了消除最大相關(guān)峰位置與目標(biāo)中心位置存在的誤差，下面給出一種修正的自適應(yīng)模板更新方法，對(duì)從圖像中抽取的模板圖像計(jì)算目標(biāo)中心位置，對(duì)抽取的模板圖像中心位置和跟蹤位置進(jìn)行修正，并以此位置為下一幀模板圖像的中心和實(shí)際跟蹤位置，從輸入圖像中抽取模板圖像，用該模板圖像與下一幀圖像進(jìn)行相關(guān)運(yùn)算。圖4-1模板更新示意圖4.2軌跡預(yù)測(cè)根據(jù)目標(biāo)在運(yùn)動(dòng)過(guò)程中具有軌跡連續(xù)性的特點(diǎn)，利用目標(biāo)過(guò)去的位置信息預(yù)測(cè)當(dāng)前位置，然后在預(yù)測(cè)點(diǎn)周?chē)欢ǚ秶鷥?nèi)進(jìn)行匹配，這樣既能減少計(jì)算量，也能排除其它物體對(duì)跟蹤的影響，保證匹配的可靠性；另一方面，當(dāng)目標(biāo)的背景快速變化、視場(chǎng)內(nèi)有其它遮擋物出現(xiàn)時(shí)，會(huì)造成目標(biāo)被短暫遮擋從而短時(shí)消失，若干秒后又正常復(fù)出，按照正常的跟蹤策略，跟蹤過(guò)程中就會(huì)出現(xiàn)目標(biāo)丟失而導(dǎo)致系統(tǒng)紊亂，如果采用預(yù)測(cè)跟蹤處理技術(shù)，預(yù)測(cè)出目標(biāo)在下一步可能的位置，等到目標(biāo)再次出現(xiàn)時(shí)，仍可對(duì)其進(jìn)行穩(wěn)定跟蹤而不至于丟失目標(biāo)。在跟蹤系中，通常采用記憶外推跟蹤技術(shù)，本章我們將深入探討該技術(shù)的有關(guān)問(wèn)題。4.2.1線(xiàn)性預(yù)測(cè)設(shè)原函數(shù)f(t)在N個(gè)順序時(shí)刻的測(cè)量值為f(t),(1,2,...N)，且f(t)可以用：（4-3）（4-4）作為最佳線(xiàn)性逼近，可寫(xiě)為（4-5）對(duì)N點(diǎn)估計(jì)的均方誤差為：（4-6）最佳逼近即是上式取最小值，經(jīng)過(guò)最小二乘法可得：（4-7）其中：（4-8）式（3－3）和（3－4）就是f(t)在最小均方誤差意義下的N點(diǎn)最佳線(xiàn)性逼近的通解。由以上線(xiàn)性逼近可以很方便地得到預(yù)測(cè)器表達(dá)式。如用k-2,k-1以及k幀的位置去求取k+1幀的位置，即用過(guò)去三幀的位置（N=3的情況）預(yù)測(cè)下一幀的位置，按上述的表示方法有，，以及，，，對(duì)于k+1幀而言，相當(dāng)于t=4的情況，故求取k+1幀的位置為：（4-9）將上述及的值分別代入（4－5）和（4－6）可求出，的值，然后將其代入（4-7）式可得：（4-10）上式就是三點(diǎn)線(xiàn)性預(yù)測(cè)的公式，當(dāng)N取不同的整數(shù)值時(shí)可構(gòu)成不同的預(yù)測(cè)器，如下表所示：N的取值23454.2.2平方預(yù)測(cè)器原函數(shù)f(t)在N個(gè)順序時(shí)刻的測(cè)量值仍為f()(i=1,2,…,N)，且f(t)可以用