Meanshift基于OpenCV的夜间运动目标跟踪方法研究(2)

菜单

1.3 本文研究工作及内容安排 2

2 基于OPENCV的夜间运动目标跟踪方法 3

2.1 MEANSHIFT算法 3

2.2 粒子滤波跟踪法 8

2.3 光流跟踪法 10

3 OPENCV简介 15

3.1 OPENCV的编程环境 15

3.1.1 OPENCV环境介绍 15

3.1.2 OpenCV的安装 16

3.1.3 配置 Windows 环境变量 16

3.2 配置 Visual C++ 6.0 16

3.3 软件总体结构 17

3.4 软件的功能介绍 18

4 运行结果及算法比较 22

4.1 Meanshift跟踪法的运行结果及算法分析 22

4.2 光流跟踪法的运行结果及算法分析 22

4.3 粒子滤波跟踪法的运行结果及算法分析 23

结论 25

致谢 26

参考文献 27

1 绪论

1.1 本文研究背景及意义

计算机视觉是科学技术中的一种，这种科学预计是通过研究在计算机中做出与非微观视觉功能或者一切动物在外观表达出来相似的程序。对非静止目标进行检测和跟踪是计算机视觉的重要组成部分，人眼视线中的运动目标就是研究对象，如动物或机械物等，进行观测并及时反映，并且在这个基础上我们对待测对象进行种类的分开，之后再分析它们的行为。今年来，计算机视觉的研究中心已经从研究静态图像转移研究到动态图像序列，这方面的值得注意的运用包括对人和机器的感知接口、非操作的视频观察并记录系统、军事上的卫星发射和目标获取、获取视频图像然后对其中对象进行计算。论文网

运动目标跟踪算法的大部分困扰学者的问题有：目标与目标之间的相互遮盖，导致我们获取的目标信息不全面，给我们带来一些难度，这下难度是关于目标识别；视觉和阳光照射中发生的不一样的改变使及时发现和追寻目标形状变化十分困难，怎样挑选和得到具有固定性的特征具有难度性；在背景很复杂的情况下，怎么准确分割目标图像，怎么增强算法鲁棒性和实时性的特点；因为图像序列的初始资料很大，靠近的两个帧的相关性不小，怎样把时间上发生的联系利用好，使运动目标的检测、识别和跟踪效率得到增强有着非常大的研究价值。

美国、德国等国家已经对运动目标的项目投入雄厚的资金。许多国际上有名公司和科研机构，如EMITALL,IBM，Momoff,Sicrosoft, ObjectVideo, MIT,CMU等这些年来来对研究监控系统都投入许多的人力物力财力，并已经将已将研究出来的部分成果成功地转化为产品投入市场。非军用产品如IBM公司，Watson研究中心开发的Mmart Msrveillance mystem（M3）,objectcideo公司的已经发行了五个用于商业经济用途的Object videoVEW系列产品。非民用产品比如CMU和sornoff在1998年一起合作研究出一个系统，这个系统叫做战场监控系统VASM等。

目前在国家的考证场所中，中国北京有一个研究机构，它的下属的受国家资助的大型实验室，它们的模式识别视觉监控所研究很特别，在国内一直处于领先地位。他们对视觉监控交通场景（车辆跟随算法是根据扩展kaermen滤波器运算、弯曲模型定位是基于三维）、获得人运动过程中姿态的改变(他们的大空间判断身份是基于静态）和识别动作模式（动作不清楚神经自动计算学习运算这是对不断移动目标的痕迹和目标外在改变的学习所提出的）进行了深层次的研究，并获得了相当的研究成果，而且他们对英国雷丁大学研制成果做出了概括，那所大学的研究是公路上机动车检查原型系统，在过去研究的一些理论成果的基础上，自己设计并首次完成了一个拥有完全自主知识产权的模型，这个模型是公路上机动车检查系统。除此之外，在国内还存在一些重点大学也进行了这方面的深入研究，如上海交通大学、南京理工大学、北京航天航空大学等[1]。