目標(biāo)跟蹤綜述課件文檔課件

目錄1.課題背景與研究意義2.國內(nèi)外研究現(xiàn)狀·3.存在的問題4.總結(jié),發(fā)展與展望·5.參考文獻(xiàn)1課題背景與研究意義運(yùn)動目標(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)動目標(biāo)的位置,并把不同幀中同一目標(biāo)對應(yīng)起來。智能視頻監(jiān)控(VS:IntelligentvideoSurveillance)是計算機(jī)視覺領(lǐng)域近幾年來發(fā)展較快,研究較多的一個應(yīng)用方向。它能夠利用計算機(jī)視覺技術(shù)對采集到的視頻信號進(jìn)行處理、分析和理解,并以此為基礎(chǔ)對視頻監(jiān)控系統(tǒng)進(jìn)行控從而使視頻監(jiān)控系統(tǒng)具備更好的智能性和魯性。智能視頻監(jiān)控系統(tǒng)主要涉及到圖像處理、評算機(jī)視覺、模式識別、人工智能等方面的科學(xué)知識,、它的用途非常廣泛,在民用和軍事領(lǐng)域中都有著極大的應(yīng)用前景。2.國內(nèi)外研究現(xiàn)狀1視頻目標(biāo)跟蹤算法于對比度分基于匹配核方法運(yùn)動檢測其它方法特征匹配貝葉斯光流法Meanshf方法基于對比度分析的方法·算法思想:基于對比度分析的目標(biāo)跟蹤算法利用目標(biāo)與背景在對比度上的差異來提取、識別和跟蹤目標(biāo)。分類:邊緣跟蹤,型心跟蹤,質(zhì)心跟蹤優(yōu)缺點(diǎn):不適合復(fù)雜背景中的目標(biāo)跟蹤,但在空中背景下的目標(biāo)跟蹤中非常有效基于特征匹配的目標(biāo)跟蹤算法算法思想:基于匹配的目標(biāo)跟蹤算法需要提取目標(biāo)的特征,并在每一幀中尋找該特征。尋找的過程就是特征匹配過程目標(biāo)跟蹤中用到的特征主要有幾何形狀、子空間特征、外形輪廓和特征點(diǎn)等。其中,特征點(diǎn)是匹配算法中常用的特征。特征點(diǎn)的提取算法很多,如Kanadelucastomasi(KLT)算法、Harris算法、SIFT算法以及SURF算法篝。優(yōu)缺點(diǎn):特征點(diǎn)一般是稀疏的,攜帶的信息較少,可過集成前幾幀的信息進(jìn)行補(bǔ)償。目標(biāo)在運(yùn)動過程中,其特征(如姿態(tài)、幾何形狀、灰度或顏色分布等)也隨之變化目標(biāo)特征的變化具有隨機(jī)性,這種隨機(jī)變化可以采用統(tǒng)計數(shù)學(xué)的方法來描述。直方圖是圖像處理中天然的統(tǒng)計量因此彩色和邊緣方向直方圖在跟蹤算法中被廣泛采用。貝葉斯跟蹤卡爾曼濾波粒子濾波·隱馬爾科夫模型·動態(tài)貝葉斯模型卡爾曼濾波基本思想:從本質(zhì)上講,卡爾曼濾波器就是一個有噪聲線性動態(tài)系統(tǒng)狀態(tài)預(yù)估的遞歸算法,它是一個不斷地預(yù)測與校正的過程。當(dāng)假設(shè)系統(tǒng)狀態(tài)模型和觀測模型都是線性且符合高斯分布,同時假設(shè)噪聲也是高斯分布時,線性卡爾曼濾波器是最優(yōu)的濾波器。·局限性:但是,常規(guī)的卡爾曼濾波算法要求系統(tǒng)是線性高斯型的,對于非線性、非高斯環(huán)境而言,不能直接用來決目標(biāo)的估計問題。為此,人們開發(fā)出各種非線性濾波算法,一種是擴(kuò)展卡爾曼算法EKF),它對非線性系統(tǒng)局部線性化,從而間接利用卡爾曼算法進(jìn)行濾波與估但是只適用于濾波誤差和預(yù)測誤差很小的情況,否則修H增鑒的推春爾曼濾波耷法UK)然至發(fā)散。增益矩陣,相應(yīng)改善了狀態(tài)協(xié)方差的估計性能,但該方法對測荍蘞酹伺及定等方面表蹺得不理想則算法在收斂精度粒子濾波兩種變形擴(kuò)展了KF的應(yīng)用范圍,但是不能處理非髙斯非線性模型,這個時候就需要用粒子濾波(PF)。由于運(yùn)動變化,目標(biāo)的形變、非剛體縮放等問題,定義一個可靠的分布函數(shù)是非常困難的,所以在PF中存在例子退化問題,于是引進(jìn)了重采樣技術(shù)。除了KF和PF之外,隱馬爾科夫模型(HMMs)和動態(tài)貝葉斯模型(DBNs)也是貝葉斯框架下重要的視覺跟蹤方法。HMMs和DBNs將運(yùn)動目標(biāo)的內(nèi)部狀態(tài)和觀測量用狀態(tài)變量(向量)表示,DBNs使用狀態(tài)隨機(jī)變量(向量)集,并在它們之間建立概率關(guān)聯(lián)。HMMs將系統(tǒng)建模為馬爾科夫過程算法描述能力狀態(tài)表示方法拓?fù)浣Y(jié)構(gòu)KF線性、高斯個隨機(jī)變量(向量)因定F非線性、任意分布一個隨機(jī)變量(向量)固定HMMs非線性、任意分布一個隨機(jī)變量(向量)固定DBNs非線性、任意分布隨機(jī)變量(向量)集可變基于運(yùn)動檢測的目標(biāo)跟蹤算法基本思想:通過檢測序列圖像中目標(biāo)和背景的不同運(yùn)動來發(fā)現(xiàn)目標(biāo)存在的區(qū)域,實(shí)現(xiàn)跟蹤?！す饬鞣?光流算法是基于運(yùn)動檢測的目標(biāo)跟蹤的代表性算法。光流是空間運(yùn)動物體在成像面上的像素運(yùn)動的瞬時速度,光流矢量是圖像平面坐標(biāo)點(diǎn)上的灰度瞬時變化率。流的計算利用圖像序列中的像素灰度分布的時域變化和相關(guān)性來確定各自像素位置的運(yùn)動,研究圖像灰度在時間上的變化與景象中物體結(jié)構(gòu)及其運(yùn)動的關(guān)系。將二維場與灰度相聯(lián)系,引