运动目标检测与跟踪 _生活百科-四川龙网

2011年03月30日随着计算机技术的高速发展，运动物体的跟踪与阐发在图像处理、计算机视觉、标准样式识别、人工智能、多媒体技术等范畴越来越受到人们的存眷。运动跟踪的应用广泛；在智能监控和人机交互中，如：银行、交通、超市等场合常常施用运动跟踪阐发技术，通过定位物体并对其行为举行阐发，一朝发明物体有异样行为，监控系统就拍发警报，提醒人们注意并即时的处理，改善了人工监督注意力分散、反合时间较慢、人力资源华侈等问题。在视频文件索引中，由于未颠末我们处理的视频文件常常携带了大量的冗余信息，细看这些信息势必会华侈我们大量的时间，通过对视频文件举行处理，我们可以在瞬息间内重现全般过程，在媒体的建造等用患上比较多。运用在三维重构中，对于我们未来的计算机是不是可以或许带有人的行为，通过模人格化修辞方式，可以实现计算机具有判别跟踪物体判别物体的姿式和行为的能力。运用在航空和交通监控和军事范畴中，我们可以通过运动跟踪阐发技术，对飞机周围的物体跟踪阐发，从而避免不测变乱。在军事范畴，通过定位技术，我们对敌方举行定位，从而高效的打击。运动跟踪的应用的范畴之广，和人们的日常糊口互相关注，和其今朝依然有一些问题并未完全解决，使患上如何找到一个高效的万能的方法实现每个跟踪系统成为现在的一个热点。今朝国内外研究运动跟踪所采用的方法很多，通常采用的是基于违景和前景的分离、基于特征和基于光流的方法，首先对于基于违景和前景的分离的技术，针对图像序列的违景是固定的对象。如早期的违景相减法，效果很好，在工程上也很容易实现，但是其要求要懂患上图像序列的违景，如何获患上固定的违景也是一个难题，接下来就是帧差分法，实现了不懂患上违景也能提取违景和运动物体，通过相邻的帧的差分结合阈值法实现违景的分离，但是其很容易受到噪声的影响，革新的有三帧差分法和统计帧差分法。其次，基于特征的跟踪算法主要是从从图像中抽取关键的特征，然后在不同的图像中寻找对应的地区范围举行匹配，然后选择一定的约束条件用于跟踪。如：Jun-Wei Hsieh提出了一种基于高斯暗影模子逐步求精的暗影检验测定与去除算法选择颜色作为特征，转换RGB颜色空间到HSV空间，处理跟踪时的暗影问题。通过施用边沿和大概轮廓做为特征，因为物体的边沿往往会有图像亮度变化比较较着的地区范围，对看护的敏感度就大大的降低了，通过光流来处理违景是运动跟踪，并结合动态的更新顺应物体的运动的转变，但是用于受到纹理的多少影响其显现，陶午沙、沈振康、李吉成等提出施用ARG物体的标准样式的新鲜的特征，用（SIFT）这样可以有效的区别违景和区别多物体，，纹理对于采光的敏感也没有色彩的强烈，Rafael Bastosa nd José Miguel Salles Dias以纹理作为特征，应用到实时的跟踪系统中，结合在2D空间顶用直方图展现在特别指定的空间和间隔的亮度再现。Blum and Langley 1997结合滤波和小波作为特征，选取的特征基于特别指定问题的特征应用，分类施用特征的子集.如结合PCA算法。[Tieu and Viola 2004]的Adaboost 算法，他结合小波找到一个可以结合一些有程度适当的错误的分类器的分类器，对于任意给出的一个多特征的集合，通过特别指定的分类器训练每个特征.找到这些特征的分类器的权重。它扩展了分类器的训练能力.特征的权重越高识别能力越高. 我们就能够施用做前边的权重特征。而基于光流的方法，则是对于那一些图像序列的违景都是运动的的跟踪，结合一些后续的处理实现跟踪，如：Jonathan Mooser提出的施用削减图和光流相结合的方法，具有很好色实时性。阐发上边的方法，我们可以看到，它们基本上没有用先验几率，而还有一类方法就是通过统计建模。其在懂患上物体跟踪的先验几率的环境下，对全般运动举行跟踪，如：颜色统计模子跟踪、直方图建模、高斯建模等。本项目就是想建立一个主动纹理模子，来有效的举行活动大概轮廓的跟踪。从大概轮廓跟踪的发展可以懂患上，20百年80年月末，Kass等人从一个全新角度来考虑图像边沿检验测定，提出了Snakes或主动大概轮廓模子，现实上就是一个能+量最小的b样条，内部作用力约束他的外形，外力指导向显著的特征接近。其发展很快，运用的范畴也很广，其数据、初始估计、目标大概轮廓及基于常识的约束都同一于一个特征提取过程中;适本地初始化后，它可以或许自立地收敛于能+量极小值状态;度空间中由粗到精地极小化能+量可以泼天地扩展捕获地区范围和降低计算庞大性.但是也有这些缺点，始位置敏感，需要依赖其他机制将Snake放置在感兴趣的图像特征附近;模子的非凸性，它有可能收敛到局部极值点，甚至发散.menet提出的B样条的主动大概轮廓模子，通过分割模子为若干曲线段，对于初始点你的选取具有很好的效果。按照外形控制体式格局的不同，模子一般可分为局域外形约束法及全局外形约束法，如A.A.Amini动态规划的snake算法，开辟了主动大概轮廓的组合优化的先河，其加上了全局的约束然后使患上效果更好。william贪心snake算法，实现了动态大概轮廓模子，速度越发快。接着caselles和Kichenassmy等人又将水平集方法应用于主动大概轮廓描述和模子求解。xuchenyang提出的GVF snake模子有效的解决了主动大概轮廓的非凸性。ASM方法是一种基于特征阐发的方法，是对ACM的革新，它引入了模子的先验常识，比ACM方法具有更好的鲁棒性，通过提取出局部大概轮廓信息及灰度信息与模子量举行对比做定位。施用PCA对训练样本举行处理，获患上样本集中不同样本之间的大概轮廓和大概轮廓边沿灰度值的变化信息，哄骗该变化信息建立的统计模子可以较好地表示训练集中的样本，故将此模子应用到图像定位取患上了较好的定位效果。但是，ASM也存在一定的局限性，其定位机能依赖于先验模子的初始位置。本项目就想通过研究比ASM越发具有优越性的AAM 解决上边的不足，针对多物体存在遮拦的跟踪，拟建立一个非刚体的大概轮廓跟踪模子，并运用于跟踪的其他范畴。总的来讲，图像序列中的目标跟踪，就是在每帧图像中检验测定出每个独立运动的目标，并在后继帧中定位出这些目标的过程。从违景中检验测定出目标并举行跟踪的过程涉及到违景杂波的抑制、目标分割、跟踪轨迹和对轨迹的预测等一系列问题，通常可靠性和实时性是跟踪过程中的两个重要指标。本项目就是计划通过在国内外已经有的研究成果的基础上，针对运动跟踪的不容易解决之处，把研究的重心放在运动跟踪的物体的提取上边，解决提取的过程中的暗影、遮拦和自遮拦、和多物体的跟踪所出现的不容易解决之处。进一步推进运动跟踪的进展，实现后续的物体的跟踪和数据的管理，搭建一个用于运动跟踪的研究平台和原型系统，建立人体跟踪的新方法，并基于该方法建立机能优良的人体跟踪。2.项目的研究内容、研究目标，和拟解决的关键科学问题 2.1研究目标搭建一个用于运动跟踪的研究平台和原型系统建立人体跟踪的新方法，并基于该方法建立机能优良的人体跟踪2.2研究内容运动目标检验测定与跟踪违景建模与鲁棒提取技术运动地区范围提取运动目标提取运动目标跟踪跟踪信息的管理基于活动大概轮廓人的跟踪大概轮廓提取ACM方法，ASM方法，AAM方法研究人的大概轮廓建模方法，PCA方法，研究视频文件图像人的检验测定与跟踪研究活动大概轮廓在人的大概轮廓跟踪中的运用数据的管理基于运动目标的视频文件摘要新技术研究研究运动对象的表示方法研究运动对象的分割与融合或镶嵌技术研究运动对象对象之间的碰撞机制人的行为阐发与报警运动跟踪软件系统布局研究 2.3拟解决的科学关键问题在举行运动物体的提取的时候，实现前景和违景的分离时，常常会受到采光的变化、物体的运动的速度、遮拦与自遮拦、物体的突然突入与消散、违景的获取很难，怎样鲁棒、高效、实时的提取出违景成为了关键性问题之一。跟踪中我们的物体必然会因为运动而造成在视频文件序列中的相对位置转变、巨细的变化、和发生扭转等。这样我们选择的算法必须可以或许有效的提取运动物体，并举行阐发。提取出来的物体如何对其数据高效的分类、统计和管理也是关键性问题之一。在物体的跟踪的时候，由于跟踪的物体分刚体与非刚体，如：人的跟踪，其属于非刚体，其运动会带来姿式的变化使患上运动的可预见性大受影响；对于非刚体的人的关节之多，如何实现某一个部位的跟踪，如头的检验测定跟踪也是一个关键性的问题。由于实时的监控系统，我们的人如果需要拜候前边以前的数据，如何把以前的数据有效的统计管理也是一个关键性的问题。采用活动大概轮廓跟踪时，对于初始点的选取问题，如何选择一个有效的方法，解决现有的大概轮廓跟踪方法对于跟踪的物体不是凸性存在的问题。如何革新的方法使患上做出来的跟踪方法具有高效、瞬息性。对于大概轮廓特征的降维的问题3.拟采取的研究方案及可行性阐发 3.1总体技术方案图像序列-->违景的提取（更新）-->物体的提取-->运动的分割-->物体的跟踪-->物体行为的阐发-->数据库的信息的管理。3.2研究方法违景想减法帧差法光流法ACM(主动大概轮廓模子)ASM（主动外形模子）AAM（主动纹理模子）HMM（马尔科夫模子）贝叶斯模子SVT（支撑向量跟踪）PCA3.3 技术路线上是违景相减法和帧差法结合提取违景的跟踪：视频文件序列-->大概轮廓提取->建立模子->模子匹配1，熬头步主要的目的是采样获患上训练样本集，主要是角点和一些连接点。2，第二步主要是通过对于样本集，找到基础的图像，做归一性变换，结合降维获患上新的模子。3，迭代模子匹配。以上各个步调均可以选择更好的方法革新。拟研究ACM和ASM后从AAM中突破。在vc++的平台下，通过对一个视频文件流先是做违景和前景分离处理，获患上的一个违景的模块和前景模块，当我们的摄像头是静止的时候我们就能够施用我们就能够施用违景想减法或帧差分法，而对于运动的违景则我们可以施用光流法，提取出来的违景，对于新进来的图像序列和本来的违景就能够施用预测加更新的办法，对于每一次提取到的物体对其位置、面积、颜色、时间、速度等信息举行统计并放入sql数据库中，在空间中，运动可以用运动场描述。而在一个图像平面上，物体的运动往往是通过图像序列中不同图象灰度分布的不同体现的。从而，空间中的运动场转移到图像上就表示为光流场，光流场反映了图像上每一点灰度的变化趋向。光流可以看作带有灰度的像素点在图像平面运动产生的瞬时速度场。该方法是在光流约束条件（指沿运动轨迹上的目标强度不变）下检验测定目标运动参数。它依据帧内、帧间图像亮度梯度估算光流场，用筛子选出光流较大的运动目标地区范围并计算出运动目标的矢量速度场，从而实现运动目标的跟踪。这样我们通过光流法就能够获患上运动的地区范围。采用大概轮廓建立跟踪模子，全般图像序列都是具有大概轮廓的，通过大概轮廓的先验几率，建立模子，然后通过新建立的大概轮廓模子和进来的视频文件流举行匹配就能够实现全般运动跟踪。而且对于遮拦等处理越发稳定。本项目对于处理的跟踪有多物体的运动时候依然具有良好的效果，对于采光、暗影、遮拦等因素的影响除去患上比较好。采用革新的算法比本来的算法越发具有稳定性，大大提高了速度。通过建立AAM（主动纹理模子）运用于运动活动大概轮廓人的跟踪，解决ACM和ASM的初始大概轮廓点的初始化比较坚苦和大概轮廓处理非凸模子的不足，并结合贝叶斯模子建立一个贝叶斯主动纹理模子，使患上模子对于处理多物体跟踪和有物体遮拦和突现的跟踪时具有很好的稳定性。估计1年半完成2008.10 ～ 2009.02 2009.03 ～ 2009.07 2009.08 ～ 2010.02 发表论文运动跟踪与智能监控研究综述1篇违景建模及鲁棒提取技术1篇活动大概轮廓新技术1－2篇活动大概轮廓新技术用于人体跟踪1篇基于运动目标的视频文件摘要新技术2－3篇人体行为阐发1－2篇运动跟踪原型系统 --- [1]Claudette Cédras and Mubarak Shah，A Survey of Motion Analysis from Moving Light Displays. Computer Vision and Pattern Recognition，1994. [2] C. Cédras，M. Shah. Motion-based recognition:a survey.Image and Vision Computing，Vol. 13，No. 2，pp. 129-155，1995. [3] D. M. Gavrila. The Visual Analysis of Human Movement: A Survey. Computer Vision and Image Understanding，Vol. 73，No. 1，pp. 82–98，1999. [4] T. B. Moeslund，E. Granum. A survey of computer vision-based human motion capture. Computer Vision and Image Understanding，Vol. 81，No. 3，pp. 231-268，2001. [5] Weiming Hu，Tieniu Tan，Liang Wang，and Steve Maybank. A Survey on Visual Surveillance of Object Motion and Behaviors. IEEE Transactions on Systems，Man and Cybernetics，Part C: Applications and Reviews ，Vol. 34，No. 3，pp. 334-352，Aug. 2004. [6] 侯志强，韩崇昭. 视觉跟踪技术综述. 自动化学报，32(4): 603-617，2006.[7] A. Yilmaz，O. Javed，M. Shah. Object Tracking: A Survey. ACM Journal of Computing Surveys，Vol. 38，No. 4，Dec. 2006.[8] Huiyu Zhou，Huosheng Hu. Human motion tracking for rehabilitation—A survey. Biomedical Signal Processing and Control，Vol. 3，No. 1，1-18，2008. (Medical image processing)[9] Shinjiro Kawato，Jun Ohya.Two-step Approach for Real-time Eye Tracking with a New Filtering Technique.IEEE Transaction on DSP.2000:1366~1371[10] Simon Haykm.Adaptive Filter Theory(Fourth Edition).郑宝玉等译.电子工业出版社.2003(7):369~397[11] Greg Welch，Gary Bishop.An Intorduction to the Kalman Filter.UNC-Chapel Hill，TR 95-041.2004:1~16[12] Shrif Abd El-Azim，Imbaby Ismail and Howida Abd El-latiff.An Efficient Object Tracking Technique Using Block-Matching Algorithm.Nineteenth National Radio Science Conference，Alexandria，March.2002:427~433[13] Duan Ling-Yu，Xu Min and Tian Qi.Mean Shift Based Video Segment Representation and Applications to Replay Detection.IEEE International Conference on Acoustics，Speech and Signal Processing，Montreal，Quebec，Canada.2004(5):709~712[14] D.Comaniciu，V.Ramesh and P.Meer.Real-Time Tracking of Non-Rigid Objects Using Mean Shift.Proceedings of IEEE International Conference on Computer Vision and Pattern Recognition，Hilton Head，SC.2000:142~149[15] A.J.Lipton，H.Fujiyoshi.Moving Target Classification and Tracking from Real-time Video.Proceedings of IEEE Image Understanding Workshop.1998: 129~136[16] G.L.Foresti.Object Recognition and Tracking for Remote Video Surveillance. IEEE Transaction on Circuits and Systems for Video Technology.1999，9(7): 1045~1062[17] E.Stringa，C.S.Regazzoni.Real-time Video-shot Detection for Scene Surveillance Applications.IEEE Transactions on Image Processing.2000，9⑴:69~79[18] K.Toyama，J.Krumm and B.Brumitt，etc.Wallflower:Principles and Practice of Background Maintenance.Proceedings of the Seventh IEEE Internationl Conference on Computer Vision，Kerkyra，Greece.1999⑼:255~261[19] Nils T Siebel: "Design and Implementation of People Tracking Algorithms for Visual Surveillance Applications". PhD thesis，Department of Computer Science，The University of Reading，Reading，UK，March 2003.[20] T F Cootes，C J Taylor，andALanitis Active shape models Evaluation of amulti-resolution method for improving image search. In British MachineVisionConference，volume 1，pages 327-336，1994.[21] M Kass，A Witkin，and D Terzopoulos，Snakes: Active contour models. In First International Conference on Computer Vision，pages 259-268，1987.[22] D Terzopoulos and R Szeliski. Tracking with kalman snakes. In A Blake and A Yuille，editors，Active Vision，chapter 1，pages 3-20. MIT Press，1992.[23]A Blake，R Curwen，and A Zisserman. Aframework for spatio-temporal control in the tracking of visual contours. International Journal of computer Vision，1993.[24] N Murphy，N Byrne，and K OLeary. Long sequence analysis of human motion using eigenvector decomposition. In Proc. SPIE，September 1993.[25] Nils T Siebel: "Design and Implementation of People Tracking Algorithms for Visual Surveillance Applications". PhD thesis，Department of Computer Science，The University of Reading，Reading，UK，March 2003.[26] MICHAEL J. BLACK.EigenTracking: Robust Matching and Tracking of Articulated Objects Using a View-Based Representation. EigenTracking: Robust Matching and Tracking of Articulated Objects Using a View-Based Representation. International Journal of Computer Vision 26⑴，63–84 (1998).[27]Yuan Chen1，Shengsheng Yu1，Jun Fan1，Wenxin Chen2，Hongxing Li3:An Improved Color-Based Particle Filter for Object Tracking.978-0-7695-3334-6/08 $25.00 © 2008 IEEE DOI 10.1109/WGEC.2008.110[28] Mustafa H西方强国in ，Eli Saber，Vladimir Misic，and Stephen P. Joralemon.DYNAMIC OBJECT TRACKING BY PARTIAL SHAPE MATCHING FOR VIDEO SURVEILLANCE APPLICATIONS.1-4244-0481-9/06/$20.00 C2006 IEEE[29 Shinya Yamamoto，Yasushi Mae，Yoshiaki Shirai，and Jun Miura.Realtime Multiple Object Tracking Based on Optical Flows.IEEE International Conference on Robotics and Automation - 2328 - 0-7803-1965-6/95 $4.00 01995 IEEE[30] Feng Tang and Hai Tao.Object Tracking with Dynamic Feature Graph.Proceedings 2nd Joint IEEE International Workshop on VS-PETS，Beijing，October 15-16，2005[31] Krystian Mikolajczyk and Cordelia Schmid.An affine invariant interest point detector.[32] Shai Avidan.Support Vector Tracking.IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，VOL. 26，NO. 8，AUGUST 2004[33] Aleksandar Lazarevic，Tim Fiez，Zoran Obradovic.Adaptive Boosting for Spatial Functions with Unstable Driving Attributes.[34] Claudette C6dras and Mubarak Shah.Motion-based recognition:a survey.0262-8856/95/$09.50 0 1995 Elsevier Science B.V. All rights reserved Image and Vision Computing Volume 13 Number 2 March 1995[35] J. K. AGGARWAL，On the Computation of Motion from Sequences of Images-A Review.PROCEEDINGS OF THE IEEE，VOL. 76，NO. 8，AUGUST 1988[36] Christopher Richard Wren，Ali Azarbayejani，Trevor Darrell，and Alex Paul Pentland.Pfinder: Real-Time Tracking of the Human Body.IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，VOL. 19，NO. 7，JULY 1997[37] Weiming Hu，Tieniu Tan，Fellow，IEEE，Liang Wang，and Steve Maybank.A Survey on Visual Surveillance of Object Motion and Behaviors.IEEE TRANSACTIONS ON SYSTEMS，MAN，AND CYBERNETICS—PART C: APPLICATIONS AND REVIEWS，VOL. 34，NO. 3，AUGUST 2004[38] Ismail Haritaoglu，Member，IEEE，David Harwood，Member，IEEE，and Larry S. Davis，Fellow，IEEE.W4: Real-Time Surveillance of People and Their Activities.IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，VOL. 22，NO. 8，AUGUST 2000[39] P. Tissainayagama，D. Suterb.Object tracking in image sequences using point features.0031-3203/$30.002004 Pattern Recognition Society. Published by Elsevier Ltd. All rights reserved. doi:10.1016/j.patcog.2004.05.011[40] Hieu T. Nguyen and Arnold W.M. Smeulders，Member，IEEE.Fast Occluded Object Tracking by a Robust Appearance Filter.IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，VOL. 26，NO. 8，AUGUST 2004[41] Infineon Technologies AG，Corporate Research.CONTOUR-B ASED MOTION ESTIMATION AND OBJECT TRACKING FOR REAL-TIME APPLICATIONS.0-7803- 6725-1 /01 /$10.000 200 1 IEEE[42] Michael A. Greminger.Deformable Object Tracking Using the Boundary Element Method.Proceedings of the 2003 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’03)1063-6919/03 $17.00 © 2003 IEEE[43] Jonathan Mooser Suya You Ulrich Neumann.Real-Time Object Tracking for Augmented Reality Combining Graph Cuts and Optical Flow.Authorized licensed use limited to: CHONGQING UNIVERSITY. Downloaded on October 16，2008 at 21:24 from IEEE Xplore. Restrictions apply.

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：