Camshift视频监控中目标跟踪算法设计与实现(2)

菜单

2.3.3机器视觉的典型应用领域和市场现状 9

3 CAMSHIFT 算法介绍 10

3.1 视觉目标跟踪 10

3.2 基于彩色信息的跟踪算法 10

3.3 彩色跟踪流程图 11

3.4 CAMSHIFT算法原理 11

4 TLD 跟踪算法介绍 13

4.1 TLD算法的基本知识： 14

4.1.1目标模型： 14

4.1.2目标模型更新： 15

4.2目标检测： 15

4.3跟踪模块： 16

4.4综合模块： 17

4.5学习模块： 17

5 系统设计及算法实现 18

5.1 整体设计 18

5.2 界面设计 18

5.3 CAMSHIFT跟踪算法实现 21

5.3.1OpenCV配置 21

5.3.2 代码实现 22

5.4 TLD 算法实现 27

5.4.1 跟踪模块 28

5.4.2 检测模块 30

5.4.3 综合模块 31

5.4.4 学习模块 32

6 实验结果及总结 33

6.1 CAMSHIFT算法实验总结 33

6.1.1理想情况下的跟踪 33

6.1.2手穿过脸部时的情况 34

6.1.3当目标移出摄像头范围又出现时 35

6.1.4其他情况 36

6.2 TLD跟踪算法实验总结 36

6.2.1理想情况下的跟踪 36

6.2.2 目标离开摄像机范围 37

6.3 两种跟踪算法对比 38

结论 39

致谢 40

参考文献 41

1 引言（或绪论）

随着计算机技术的进步，图象处理技术在工农业生产、医疗设备及其他国民经济领域得到越来越广泛的应用，但是由于动态图象(时序列图像)所含的信息量非常大，处理中对处理机的要求非常高，例如通常使用大型计算机进行处理，因此以前的实时处理仅限于图象压缩。近年来，在复杂背景下识别和跟踪动态目标(如人或军事目标等)、动态目标空间位置自动跟踪等研究引起国外厂商和学者的重视，美、日、英有关大学研究所已开始着手有关的基础研究和开发研究，如日本大阪大学工学部的自井良明等人在动态图象的追踪研究中初步实现人物的动态跟踪；英国牛津大学研制了一种活性反应的摄像装置，通过控制云台的转动实现了在室内对一个移动目标的跟踪。由于待处理的信息量太大，一般算法的处理的速度明显不足，因此离实用化还有相当的距离。但是，随着近年来计算机硬件的迅速发展以及研究人员不懈的努力，通过改进识别追踪方法，有多种方法可以用一般个人计算机实现动态目标的跟踪了。随着科技进步和产业科技化的需求，越来越多的机构和设施采用监控和自动跟踪系统，因此，它在环境监测、交通监控、安全保卫、军事导弹技术、自行机器人以及新闻广播中特定场景的追踪等领域都有着广泛的应用前景。