羅富貴　覃運(yùn)初　李明珍

摘要：在進(jìn)行背景非常復(fù)雜的情況對于移動目標(biāo)進(jìn)行監(jiān)控并進(jìn)行跟蹤的算法研究已經(jīng)取得了突破性的進(jìn)展，那么人的眼睛對于自己所處的環(huán)境能夠進(jìn)行感覺和捕捉作用，尤其是對于大量運(yùn)動物體的移動能夠提取相關(guān)的信息輸入進(jìn)大腦，然后進(jìn)行綜合計(jì)算得到有用的信息。并且能夠捕捉到有用的信息以后進(jìn)行下一步移動物體的預(yù)算處理。這也是本文主要研究的對于移動目標(biāo)物體在復(fù)雜背景下進(jìn)行移動預(yù)測研究算法的主要目的。

關(guān)鍵詞：移動目標(biāo)；跟蹤算法；算法原理

中圖分類號：TP393 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2015）09-0241-02

伴隨著現(xiàn)代技術(shù)信息的高速發(fā)展，計(jì)算機(jī)技術(shù)的大量運(yùn)用在通信行業(yè)中，并且這些技術(shù)被大量的運(yùn)用到圖像成像技術(shù)中，這些技術(shù)也使得計(jì)算機(jī)圖像處理技術(shù)變得越來越先進(jìn)。那么在計(jì)算機(jī)圖像處理中對于移動目標(biāo)的檢測與跟蹤是其最為重要和主要方向研究的核心技術(shù)之一，計(jì)算機(jī)圖像處理技術(shù)大量的融合了很多先進(jìn)的技術(shù)其中就包括有圖像處理以及目標(biāo)識別、人工智能判斷以及自動智能控制等多種技術(shù)學(xué)科進(jìn)行相互交織的領(lǐng)域進(jìn)行的技術(shù)研究，這一技術(shù)手段被大量的運(yùn)用到了社會中各個(gè)方面其中就包含有軍事領(lǐng)域的研究或者是航空行業(yè)以及其它的視頻監(jiān)控領(lǐng)域等，在這些研究領(lǐng)域中對于移動目標(biāo)在復(fù)雜背景下的跟蹤研究取得了很大的研究成果和重要的實(shí)際意義。

現(xiàn)在最為流行的無疑是雙幀和三幀以及背景差分和光流算法這幾種，這幾種方法不是彼此之間相互獨(dú)立的，而是可以相互之間進(jìn)行變換和融合的。所謂的移動目標(biāo)跟蹤就是要?jiǎng)?chuàng)建一個(gè)以移動目標(biāo)為對象的實(shí)時(shí)移動的數(shù)據(jù)模型來進(jìn)行實(shí)時(shí)的跟蹤計(jì)算。采用一種好的算法能夠很大程度上保證最后得到的移動目標(biāo)的計(jì)算跟蹤結(jié)果更加精確和精準(zhǔn)。這一算法將在以后的時(shí)間中一樣被人們所熱愛和研究，因?yàn)檫@些算法還有很大的提升空間來進(jìn)行改進(jìn)和創(chuàng)新。

1 運(yùn)動目標(biāo)跟蹤的原理

運(yùn)動目標(biāo)跟蹤是根據(jù)每一個(gè)移動的物體在每一個(gè)畫面像素之間的序列位置來進(jìn)行的移動目標(biāo)的跟蹤計(jì)算處理分析。那么隨著社會科學(xué)技術(shù)的進(jìn)步，對于這一方法出現(xiàn)了很多種的方法來進(jìn)行移動目標(biāo)的跟蹤計(jì)算分析處理。那么主要的就是有下面的幾種來進(jìn)行我們的移動目標(biāo)的跟蹤計(jì)算分析結(jié)果處理。本文主要列舉了幾個(gè)簡單具有明顯特征的方法來進(jìn)行移動目標(biāo)跟蹤信息的分析與計(jì)算處理。

1.1針對區(qū)域的跟蹤

針對于某一個(gè)區(qū)域進(jìn)行的移動目標(biāo)的跟蹤計(jì)算分析的主要中心思想是：首先把得到的捕捉的圖像進(jìn)行加工分割處理劃分為一個(gè)個(gè)包含有有用信息的一些壓縮包的模式板塊，然后設(shè)定一個(gè)標(biāo)準(zhǔn)的量來進(jìn)行模塊的選取，在原油的圖像目標(biāo)中進(jìn)行有用信息的收集處理。那么因?yàn)殚_始在進(jìn)行額分割處理以后的一些小的模塊中含有大量的完整的信息，所以在移動目標(biāo)能夠看見前，這一方法能夠達(dá)到很高的精確度來進(jìn)行移動目標(biāo)的跟蹤和計(jì)算分析。并且具有跟蹤性能十分穩(wěn)定等特點(diǎn)。但是主要缺點(diǎn)還是過于耗費(fèi)時(shí)間，尤其是在一些較大的區(qū)域進(jìn)行這種方法時(shí)，耗費(fèi)的時(shí)間一般都較長。所以這一方法在進(jìn)行區(qū)域性搜索時(shí)一般是運(yùn)用于區(qū)域性較小的地方，或者是陰暗對比較差的區(qū)域來進(jìn)行的。

1.2 針對于特征的跟蹤

針對于某一個(gè)特征的跟蹤計(jì)算分析處理的中心思想是：首先對于一個(gè)目標(biāo)的某一個(gè)局部特點(diǎn)進(jìn)行提取記錄，然后再用計(jì)算機(jī)配對法里斯進(jìn)行圖像信息的對比，最后達(dá)到跟蹤移動目標(biāo)的目的。這一方法主要的優(yōu)點(diǎn)就是即使被捕捉的目標(biāo)某一個(gè)地方被掩蓋，也能夠通過局部特征法來進(jìn)行跟蹤分析計(jì)算，從而達(dá)到跟蹤目標(biāo)的目的。那么這一方法一般是和卡爾曼濾波器相互進(jìn)行使用，這樣能夠達(dá)到最好的效果，所以這一目標(biāo)一般常用的場所就是在一些較為復(fù)雜的背景下進(jìn)行目標(biāo)的跟蹤。

1.3針對于活動輪廓的跟蹤

針對于活動輪廓的目標(biāo)跟蹤的中心思想是：運(yùn)用了曲線的封閉性能來進(jìn)行的移動目標(biāo)的跟蹤計(jì)算和分析。主要是依靠了目標(biāo)特征和數(shù)學(xué)計(jì)算來進(jìn)行的曲線函數(shù)的數(shù)學(xué)運(yùn)用更新，達(dá)到目標(biāo)跟蹤的目的。這一方法自從被發(fā)明出來以后，就被大家廣泛的應(yīng)用到目標(biāo)搜索中去，因?yàn)樗哂袦p少清晰敏感度的優(yōu)點(diǎn)，并且能夠在移動目標(biāo)被物體所壓蓋以后還能夠自動的進(jìn)行目標(biāo)對象的跟蹤處理。但是這一方法主要的缺點(diǎn)也是受開始輸入數(shù)據(jù)和噪音系數(shù)的影響較大。

1.4針對于模型的跟蹤

針對于模型的跟蹤方法的主要的中心思想是：首先由一定的數(shù)據(jù)庫來進(jìn)行目標(biāo)數(shù)據(jù)的建模處理，然后再經(jīng)過匹配計(jì)算達(dá)到跟蹤目標(biāo)的目的，并且能夠自動的進(jìn)行數(shù)據(jù)模型庫的實(shí)時(shí)更新。從而得到較為完整的具有鮮明特點(diǎn)的數(shù)據(jù)結(jié)構(gòu)據(jù)。但是背景差分法最大的缺點(diǎn)就是對于環(huán)境的要求太高，尤其是光的敏感度的干擾特別嚴(yán)。從而更好的確定目標(biāo)的信息幀數(shù)，達(dá)到更為清晰的畫面的展示。幀數(shù)之間的差分法對于背景為移動畫面時(shí)的移動目標(biāo)的畫面捕捉是最為適合的，因?yàn)閹瑪?shù)差分法對于移動的物體更加的敏感，或者說這一方法只適合運(yùn)用到移動的物體間。人工智能判斷以及自動智能控制等多種技術(shù)學(xué)科進(jìn)行相互交織的領(lǐng)域進(jìn)行的技術(shù)研究，這一技術(shù)手段被大量的運(yùn)用到了社會中各個(gè)方面其中就包含有軍事領(lǐng)域的研究或者是航空行業(yè)以及其它的視頻監(jiān)控領(lǐng)域等，在這些研究領(lǐng)域中對于移動目標(biāo)在復(fù)雜背景下的跟蹤研究取得了很大的研究成果和重要的實(shí)際意義。尤其是對于大量運(yùn)動物體的移動能夠提取相關(guān)的信息輸入進(jìn)大腦，然后進(jìn)行綜合計(jì)算得到有用的信息。并且能夠捕捉到有用的信息以后進(jìn)行下一步移動物體的預(yù)算處理。

2 運(yùn)動目標(biāo)檢測算法分析

從復(fù)雜的背景情況中進(jìn)行移動目標(biāo)圖像信息的獲取就是我們的移動目標(biāo)跟蹤技術(shù)。主要分別在于攝像機(jī)和我們的移動目標(biāo)之間的動靜關(guān)系的確定，其中分為兩種，第一種是在背景為靜態(tài)時(shí)移動目標(biāo)信息的獲取和第二種移動背景下移動目標(biāo)信息的獲取。第一種就是指我們的攝像機(jī)不產(chǎn)生移動，在整個(gè)的拍攝過程中保持靜止的狀態(tài)來進(jìn)行拍攝。第二種就是我們的攝像機(jī)在拍攝時(shí)發(fā)生了平移或者是旋轉(zhuǎn)等方向的移動而進(jìn)行的拍攝。

2.1 背景差分法

這一方法是目前為止在進(jìn)行這一移動目標(biāo)信息獲取方面最為人們所常用的一種方法，這一背景差分法中心思想就是在得到了一個(gè)收集了的數(shù)據(jù)背景模型以后，將現(xiàn)有的幀數(shù)和背景模塊中的幀數(shù)進(jìn)行減法運(yùn)算得到一個(gè)差值，那么這一差值的結(jié)果如果大于一定的標(biāo)準(zhǔn)就可以知道這一信息為移動目標(biāo)的信息，如果沒有大于這一標(biāo)準(zhǔn)就可以判定這一信息為我們的背景模型中的數(shù)據(jù)。利用背景差分法能夠有效的進(jìn)行移動目標(biāo)信息的判別，從而得到較為完整的具有鮮明特點(diǎn)的數(shù)據(jù)結(jié)構(gòu)據(jù)。

但是背景差分法最大的確定就是對于環(huán)境的要求太高，尤其是光的敏感度的干擾特別嚴(yán)。那么針對于這一情況我們的技術(shù)人員最主要的方法就是創(chuàng)造出不同的背景模型來進(jìn)行移動目標(biāo)的跟蹤計(jì)算，這樣能夠最大限度的減小因?yàn)榄h(huán)境因素的影響從而產(chǎn)生的對移動目標(biāo)跟蹤計(jì)算出現(xiàn)的失誤等現(xiàn)象。對移動目標(biāo)的跟蹤計(jì)算至關(guān)重要的就是對于背景模型的創(chuàng)立和模式選取以及背景陰影的摒棄，將在很大程度上對整個(gè)的移動目標(biāo)跟蹤計(jì)算的結(jié)果造成關(guān)鍵性的影響。這一方法對于儀器設(shè)備的要求不是太高，能夠簡單的實(shí)現(xiàn)，除了要在固定不移動的背景下進(jìn)行捕捉以外，其余的性能都很好，能夠做到快速的進(jìn)行移動目標(biāo)信息的獲取，從而能夠精確的進(jìn)行信息的取締。但是這一方法最大的缺陷就是對于環(huán)境的要求很苛刻，容易受到光線強(qiáng)弱變化的影響，而這一影響將給整個(gè)計(jì)算帶來嚴(yán)重的偏差。

圖1 背景差分法算法流程

2.2 幀間差分法

這一方法主要就死利用三三兩兩相互靠近的幀數(shù)在連續(xù)像素中的變化，利用時(shí)間差值來進(jìn)行的時(shí)間差值分化從而進(jìn)行的移動目標(biāo)的信息幀數(shù)獲取。這一方法對于移動的幀數(shù)具有相當(dāng)強(qiáng)硬的適應(yīng)性，但是幀數(shù)差分法主要的缺陷就是不能夠提出所有的移動目標(biāo)的關(guān)鍵性像素，從而導(dǎo)致最后的呈像會出現(xiàn)一些空洞的現(xiàn)象。那么針對于這一重大的缺點(diǎn)我們的技術(shù)人員就運(yùn)用了我們的對稱幀數(shù)差分法來進(jìn)行缺陷的修補(bǔ)。

這一方法主要就是在進(jìn)行獲取了的圖像幀數(shù)中針對于每三幀數(shù)的圖像信息來進(jìn)行的對稱差分法的修補(bǔ)，對稱差分法主要就是運(yùn)用了從上一幀數(shù)的圖像信息中進(jìn)行模塊的切割來進(jìn)行的移動目標(biāo)的幀數(shù)范圍的確定，這樣能夠得到一個(gè)較為清晰的移動目標(biāo)幀數(shù)的移動范圍，從而更好的確定目標(biāo)的信息幀數(shù)，達(dá)到更為清晰的畫面的展示。幀數(shù)之間的差分法對于背景為移動畫面時(shí)的移動目標(biāo)的畫面捕捉是最為適合的，因?yàn)閹瑪?shù)差分法對于移動的物體更加的敏感，或者說這一方法只適合運(yùn)用到移動的物體間。其實(shí)，幀數(shù)間差分法捕捉的主要就是相對來說是移動的物體，從而造成了捕捉到的兩個(gè)畫面之間的時(shí)間值很短，所以就會不容易受到外界光照等因素的影響。這也是幀數(shù)間差分法和上一方法之間最大的區(qū)別之一，幀數(shù)間差分法具有簡單有效并且不容易受到外界的影響，具有效果穩(wěn)定，反應(yīng)速度快等特點(diǎn)。

2.3光流法

這一方法能夠充分的用捕捉到的圖像信息來進(jìn)行移動目標(biāo)信息的獲取。運(yùn)動場能就是移動在空間力矩中的表示，那么要在一個(gè)平面上表現(xiàn)物體的移動就是通過平面中的陰暗對比色調(diào)來進(jìn)行移動物體的展示的。最后就會使得整個(gè)的運(yùn)動場在畫面上進(jìn)行展示，這種現(xiàn)象我們稱之為光流現(xiàn)象。那么光流就是指一瞬間產(chǎn)生的運(yùn)動力場而變現(xiàn)的現(xiàn)象，其中就有一些基本的移動物體的很多信息。那么針對于光流現(xiàn)象我們就采用了時(shí)間變化而變化的光速效應(yīng)，因?yàn)楣馑倭髦邪写罅康男畔⒖梢赃M(jìn)行有效的利用。在理想狀態(tài)下可以進(jìn)行移動目標(biāo)的測量，并且可以不用其余的參照物來進(jìn)行參照對比。能夠做到最大限度的得到移動物體的移動信息，可以運(yùn)用進(jìn)行背景動態(tài)運(yùn)轉(zhuǎn)時(shí)對于移動目標(biāo)物體的跟蹤計(jì)算測量。

但是這一方法主要的缺點(diǎn)就是對于儀器設(shè)備的要求很高，不能夠第一時(shí)間的進(jìn)行分析計(jì)算處理。對稱差分法主要就是運(yùn)用了從上一幀數(shù)的圖像信息中進(jìn)行模塊的切割來進(jìn)行的移動目標(biāo)的幀數(shù)范圍的確定，這樣能夠得到一個(gè)較為清晰的移動目標(biāo)幀數(shù)的移動范圍，從而更好的確定目標(biāo)的信息幀數(shù)，達(dá)到更為清晰的畫面的展示。幀數(shù)之間的差分法對于背景為移動畫面時(shí)的移動目標(biāo)的畫面捕捉是最為適合的，因?yàn)閹瑪?shù)差分法對于移動的物體更加的敏感，或者說這一方法只適合運(yùn)用到移動的物體間。

3 結(jié)束語

跟蹤目標(biāo)的算法現(xiàn)在已經(jīng)有很多種，每一種的類型和方式都是不一樣的，但是這些算法無一例外都是只能夠針對于某一種情況或者是多種情況來進(jìn)行移動目標(biāo)的跟蹤計(jì)算分析處理，并不能夠做到所有的環(huán)境都使用一種算法的理想狀態(tài)，所以這也是以后要研究和解決的地方。現(xiàn)在最為流行的無疑是雙幀和三幀以及背景差分和光流算法這幾種，這幾種方法不是彼此之間相互獨(dú)立的，而是可以相互之間進(jìn)行變換和融合的。所謂的移動目標(biāo)跟蹤就是要?jiǎng)?chuàng)建一個(gè)以移動目標(biāo)為對象的實(shí)時(shí)移動的數(shù)據(jù)模型來進(jìn)行實(shí)時(shí)的跟蹤計(jì)算。其實(shí)，幀數(shù)間差分法捕捉的主要就是相對來說是移動的物體，從而造成了捕捉到的兩個(gè)畫面之間的時(shí)間值很短，所以就會不容易受到外界光照等因素的影響。這也是幀數(shù)間差分法和上一方法之間最大的區(qū)別之一，幀數(shù)間差分法具有簡單有效并且不容易受到外界的影響，具有效果穩(wěn)定，反應(yīng)速度快等特點(diǎn)。采用一種好的算法能夠很大程度上保證最后得到的移動目標(biāo)的計(jì)算跟蹤結(jié)果更加精確和精準(zhǔn)。這一算法將在以后的時(shí)間中一樣被人們所熱愛和研究，因?yàn)檫@些算法還有很大的提升空間來進(jìn)行改進(jìn)和創(chuàng)新。

參考文獻(xiàn)：

[1] 施家棟，王建中. 動態(tài)場景中運(yùn)動目標(biāo)檢測與跟蹤[J].北京理工大學(xué)學(xué)報(bào)，2009（10）.

[2] 陸軍，李鳳玲，姜邁. 攝像機(jī)運(yùn)動下的動態(tài)目標(biāo)檢測與跟蹤[J].哈爾濱工程大學(xué)學(xué)報(bào)，2008（8）.

[3] 程建，楊杰. 一種基于均值移位的紅外目標(biāo)跟蹤新方法[J].紅外與毫米波學(xué)報(bào)，2005（3）.