- 上一篇：图像配准技术的国内外现状
- 下一篇：红外图像边缘锐化算法国内外研究现状及发展趋势
运动物体检测运动物体检测可以分为动态背景下的运动物体检测和静态背景下的运动物体检测。对于静态背景下运动物体检测，主要有三种方法：背景差分法、帧间差分法和光流场法[1]。
背景差分法是利用当前图像与背景图像的差异来找到跟踪物体区域。该方法优点是能够提供最完整的目标特征数据，但对于动态场景的变化特别敏感(如天气、光照、背景扰动及阴影等)。
帧间差分法是通过相邻两帧图像的差值计算，获得运动物体位置和形状等信息的运动目标检测方法。对于动态环境有很好的适应性，算法简单，计算复杂度低，但不能完全提取出目标的所有特征。
光流场是基于光流的变化检测运动目标随时间变化的光流特性。65167
在实时跟踪系统中，人们最多使用背景差分法和帧间差分法来获得满意的结果。
2 运动物体跟踪
根据算法过程不同来分类，运动目标的跟踪方法主要分为基于帧内——帧间信息的跟踪和基于图像帧内信息的跟踪两种[1]。
根据运动目标的表达和相似性度量，运动目标跟踪算法可以分为四类：基于主动轮廓的跟踪、基于特征的跟踪、基于区域的跟踪和基于模型的跟踪[1]。
基于主动轮廓跟踪的优点增强了跟踪的可靠性。论文网
基于特征的跟踪的优点在于能够看到其中一部分的特征，就可以完成跟踪任务。
基于区域的跟踪的优点在于当目标没有一点被遮挡时，跟踪准确度和稳定性非常好。
基于模型的跟踪的优点是不容易受到观测视角的角度的影响，并且具有较强的鲁棒性，模型匹配跟踪准确度高，适合于运动目标跟踪时的目标的各种变化，抗干扰能力强，但是因为计算分析复杂、所以运算速度慢，并且模型的更新较为复杂，实时性较差。找到合适的模型是成功与否的关键。目前团块模型受到了很大的重视，本文也重点研究团块跟踪。
3 运动物体跟踪系统概述
一个完整的运动目标跟踪系统及过程可分为下面几步：图像预处理、目标检测与分割、目标特征提取与识别、目标运动状态分析与跟踪[1]。
如下图是一个运动目标跟踪系统框图。
运动目标跟踪系统框图
(1)图像预处理：是将成像系统所得到的图像进行适当的处理。
(2)目标检测与分割：目标检测是对目标所在的区域定位；目标分割是将目标从背景中分离出来。
(3)目标特征提取与识别：提取出目标特征，并识别出目标
(4)目标运动状态分析与跟踪：经过目标检测识别后，就可以得到需要跟踪的目标区域，进而计算出图像中目标的形心位置。再处理后可以了解到目标大致的运动轨迹，运动速度和方向等参数数据。根据这些数据，预测下面目标出现的位置，完成跟踪。