王明波

(92493部隊(duì)98分隊(duì) 葫蘆島 125000)

?

運(yùn)動(dòng)目標(biāo)跟蹤方法綜述*

王明波

(92493部隊(duì)98分隊(duì) 葫蘆島 125000)

綜述了當(dāng)前普遍使用的運(yùn)動(dòng)目標(biāo)跟蹤算法的思想和它們的適用范圍、優(yōu)缺點(diǎn)；通過(guò)對(duì)各種方法的多方面比較，提出了改進(jìn)思想，總結(jié)了目標(biāo)跟蹤的選擇方法。對(duì)于不同的目標(biāo)和場(chǎng)合, 選擇上述不同的方法來(lái)實(shí)現(xiàn)目標(biāo)跟蹤,具有較高的跟蹤精度和較好的實(shí)時(shí)性。最后探討了目標(biāo)跟蹤方法中有待進(jìn)一步研究的問(wèn)題。

動(dòng)目標(biāo)跟蹤; 分析; 匹配

Class Number TN911

1 引言

目標(biāo)跟蹤是指計(jì)算機(jī)或其他儀器設(shè)備依據(jù)某種算法實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤與定位, 并根據(jù)目標(biāo)的位置和動(dòng)向采取相應(yīng)措施。在現(xiàn)代戰(zhàn)爭(zhēng)中，對(duì)于飛機(jī)、艦船、導(dǎo)彈等軍事目標(biāo)，如果能實(shí)時(shí)地加以識(shí)別跟蹤，對(duì)掌握戰(zhàn)場(chǎng)主動(dòng)權(quán)和正確打擊目標(biāo)、顯著地提高未來(lái)指揮作戰(zhàn)系統(tǒng)的性能，具有重要意義，是當(dāng)代軍事領(lǐng)域研究熱點(diǎn)。

文中將動(dòng)態(tài)目標(biāo)跟蹤方法分為基于運(yùn)動(dòng)分析的方法和基于圖像匹配的方法，并對(duì)各類(lèi)方法具體分類(lèi)。通過(guò)對(duì)各種傳統(tǒng)方法及最新方法的介紹，總結(jié)了不同方法的基本屬性，分析了各自的優(yōu)缺點(diǎn)及相應(yīng)的改進(jìn)措施。在此基礎(chǔ)上，討論了某些具體問(wèn)題的優(yōu)化技術(shù)，指出了目標(biāo)跟蹤算法的發(fā)展方向。

2 基于運(yùn)動(dòng)分析的方法

基于運(yùn)動(dòng)分析[1]的方法概括地說(shuō)，是利用時(shí)變圖像強(qiáng)度的時(shí)空變化來(lái)確定運(yùn)動(dòng)物體的空間位置，即通過(guò)檢測(cè)序列視頻圖像視場(chǎng)中目標(biāo)和背景的不同運(yùn)動(dòng)速度來(lái)發(fā)現(xiàn)目標(biāo)存在的區(qū)域，從而實(shí)現(xiàn)跟蹤。運(yùn)動(dòng)目標(biāo)檢測(cè)的方法可以分為幀間差分方法、光流分割法和頻率域方法三種。

2.1 幀間差分方法

圖像運(yùn)動(dòng)意味著圖像變化。運(yùn)動(dòng)估計(jì)算法[7]中的一個(gè)基本依據(jù)是圖像強(qiáng)度的變化，可以用圖像序列中相鄰時(shí)間的一對(duì)圖像的差來(lái)表示強(qiáng)度的相對(duì)變化，圖像差運(yùn)算定義為

fd(X,t1,t2)=f(X,t2)-f(X,t1)

(1)

式中fd是差分圖像。上式運(yùn)算只涉及對(duì)應(yīng)像素強(qiáng)度的相減運(yùn)算，因此這種算法是相當(dāng)簡(jiǎn)單的，并且

適合于并行實(shí)現(xiàn)。圖像差分在某種程度上反映了景物的較高層次性質(zhì)或蘊(yùn)含在圖像平面上傳感器運(yùn)動(dòng)的變化。如果景物中存在幾個(gè)相互獨(dú)立的運(yùn)動(dòng)物體，差分圖像就是這些運(yùn)動(dòng)效應(yīng)的組合。

當(dāng)攝像機(jī)位置固定時(shí)，只要對(duì)相鄰幀的圖像直接作差分運(yùn)算，就可以檢測(cè)出視場(chǎng)中的差異部分，發(fā)現(xiàn)運(yùn)動(dòng)目標(biāo)的存在區(qū)域，解決目標(biāo)跟蹤問(wèn)題。還可以對(duì)差分后的圖像取閾值并累加來(lái)提取目標(biāo)的運(yùn)動(dòng)軌跡。如果目標(biāo)的速度不變化，在累加的圖像中，目標(biāo)的運(yùn)動(dòng)軌跡會(huì)形成一條直線，可以通過(guò)Hough變換來(lái)檢測(cè)這條直線，從而找到目標(biāo)。

對(duì)相鄰幀圖像直接做差分的方法只適合攝像機(jī)不動(dòng)的情況。如果攝像機(jī)自身也處于運(yùn)動(dòng)狀態(tài)，則由于目標(biāo)和背景同時(shí)處于運(yùn)動(dòng)中，而不能通過(guò)簡(jiǎn)單的檢測(cè)視場(chǎng)中的差異部分來(lái)提取目標(biāo)，要通過(guò)對(duì)背景的運(yùn)動(dòng)進(jìn)行補(bǔ)償后，才能將目標(biāo)的運(yùn)動(dòng)從背景的運(yùn)動(dòng)中區(qū)分出來(lái)。還可以通過(guò)貝葉斯方法計(jì)算光流來(lái)找到大面積背景的運(yùn)動(dòng)，將兩幀圖像根據(jù)這個(gè)運(yùn)動(dòng)重新對(duì)齊，使背景重合，再用圖像相減的方法檢測(cè)出相對(duì)背景運(yùn)動(dòng)目標(biāo)。

2.2 光流分割法

光流是空間運(yùn)動(dòng)物體的被觀測(cè)表面上的像素點(diǎn)運(yùn)動(dòng)的瞬時(shí)速度場(chǎng)，是指圖像灰度模式的表面運(yùn)動(dòng)?；诠饬鞴烙?jì)的方法都是基于以下假設(shè)：圖像灰度分布的變化完全是由于目標(biāo)或背景的運(yùn)動(dòng)引起的，也就是說(shuō)，目標(biāo)和背景的灰度不隨時(shí)間變化。

通過(guò)光流分割法檢測(cè)目標(biāo)時(shí)，要根據(jù)不同的情況區(qū)別對(duì)待。如攝像機(jī)運(yùn)動(dòng)而目標(biāo)靜止；攝像機(jī)靜止而目標(biāo)運(yùn)動(dòng)；或者兩者都處于運(yùn)動(dòng)中。如果背景不動(dòng)，可以檢測(cè)光流圖像中的最大值來(lái)提取目標(biāo)，如果背景運(yùn)動(dòng)，需要利用先驗(yàn)知識(shí)，根據(jù)光流的變化來(lái)區(qū)分目標(biāo)與背景。光流法可以描述多種目標(biāo)運(yùn)動(dòng)情況，在動(dòng)態(tài)視頻中，目標(biāo)的運(yùn)動(dòng)通?？梢杂靡韵滤姆N運(yùn)動(dòng)的某種組合來(lái)描述：在與攝像機(jī)距離固定的平面內(nèi)的平移；在攝像機(jī)景深方向的移動(dòng)；在與攝像機(jī)距離固定的平面內(nèi)沿視軸的旋轉(zhuǎn)；垂直于視軸的平面物體的旋轉(zhuǎn)。這些運(yùn)動(dòng)方式產(chǎn)生的運(yùn)動(dòng)向量也各有特點(diǎn)：在一定距離平面內(nèi)的平移表現(xiàn)為平行的運(yùn)動(dòng)向量；在景深方向的移動(dòng)形成的速度向量都經(jīng)過(guò)一點(diǎn)，這個(gè)點(diǎn)叫做匯集點(diǎn)；在固定距離內(nèi)的旋轉(zhuǎn)形成一組具有公共圓心的運(yùn)動(dòng)向量；垂直于視軸的平面物體的旋轉(zhuǎn)形成一組或幾組以直線為起點(diǎn)的向量?；谝陨辖Y(jié)論，通過(guò)對(duì)光流的簡(jiǎn)單處理就可以識(shí)別這些基本的運(yùn)動(dòng)，例如，對(duì)平移運(yùn)動(dòng)來(lái)說(shuō)，如果平移不是處于固定的景深內(nèi)，則光流向量不平行，而是指向匯集點(diǎn)；如果平移在固定的景深內(nèi)，則匯集點(diǎn)在無(wú)窮遠(yuǎn)處。如果圖像中存在多個(gè)移動(dòng)目標(biāo)，每個(gè)目標(biāo)都有自己的匯集點(diǎn)。

2.3 頻率域方法

將視頻圖像序列變換到頻率域，然后根據(jù)變換系數(shù)的幅值或相位來(lái)檢測(cè)目標(biāo)的運(yùn)動(dòng)。Fourier變換是常用的頻率分析方法[1]。其中，利用變換系數(shù)幅值的方法，是根據(jù)在空間域的卷積等于在頻率域相乘這個(gè)Fourier變換性質(zhì)，將圖像中的模板相關(guān)轉(zhuǎn)換到頻率域?qū)崿F(xiàn)，以增加運(yùn)算效率。利用變換系數(shù)相位的方法根據(jù)空間域的平移對(duì)應(yīng)于頻率域內(nèi)的相移這個(gè)Fourier變換性質(zhì)來(lái)檢測(cè)目標(biāo)的運(yùn)動(dòng)。從傅氏變換可以知道，空域中的位移表現(xiàn)為頻域中的相位差。通過(guò)計(jì)算頻域中的相位差就可以反過(guò)來(lái)求出空域中的位移，這就是基于頻域的跟蹤方法[1]的理論基礎(chǔ)。一般使用傅氏變換和帶通濾波器等做變換。小波[1]也是一種非常重要的信號(hào)分析工具，可以用來(lái)進(jìn)行運(yùn)動(dòng)分析。小波變換作為時(shí)頻分析的方法，也可以對(duì)圖像序列中的運(yùn)動(dòng)進(jìn)行分析，與Fourier變換相比，因?yàn)樵黾恿丝臻g域內(nèi)的定位信息，更有利于運(yùn)動(dòng)目標(biāo)的檢測(cè)。但是目前小波對(duì)于運(yùn)動(dòng)分析來(lái)講還并不十分有效，因?yàn)檩斎胄盘?hào)的一個(gè)小的擾動(dòng)，就會(huì)引起小波系數(shù)非常大的變化。

3 基于匹配技術(shù)的方法

基于圖像匹配的方法可以識(shí)別待定目標(biāo)及確定運(yùn)動(dòng)目標(biāo)的相對(duì)位置，正確截獲概率和定位精度是圖像匹配的主要性能指標(biāo)?；谄ヅ涞脑?，該方法可分為基于區(qū)域的模板匹配跟蹤方法和基于特征的匹配跟蹤方法。

3.1 基于區(qū)域的模板匹配跟蹤方法

圖像空間的匹配可以在圖像的整個(gè)區(qū)域上進(jìn)行，也可以在很小的圖像子區(qū)域(窗口)上進(jìn)行?？梢允褂玫钠ヅ錅?zhǔn)則包括，最大互相關(guān)函數(shù)、最小均方差函數(shù)、最小平均絕對(duì)差值函數(shù)、最大匹配像素統(tǒng)計(jì)等。不同的匹配準(zhǔn)則的數(shù)學(xué)含義不同，計(jì)算代價(jià)也不同，但是總的來(lái)說(shuō)運(yùn)算量都很大。通過(guò)并行處理或多分辨率匹配可以加快匹配速度。

歸一化相關(guān)或模板匹配[3,9]的方法是一種常用的匹配的方法。目前電視跟蹤的相關(guān)跟蹤方式就是在圖像子空間利用模板匹配方法進(jìn)行像素灰度匹配。這種方法在每幀圖像中，根據(jù)匹配準(zhǔn)則，在所有可能的位置搜索與圖像模板最一致的區(qū)域。在像素(m,n)處的歸一化相關(guān)系數(shù)可以表示為

(2)

(3)

(4)

(5)

其中的分子為模板與圖像的相關(guān)系數(shù)，分母中C1(m,n),C2(m,n)分別為模板的自相關(guān)系數(shù)和匹配處圖像的自相關(guān)系數(shù)，對(duì)相關(guān)系數(shù)進(jìn)行歸一化處理。模板的自相關(guān)系數(shù)與位置(m,n)無(wú)關(guān)。在當(dāng)前圖像的搜索區(qū)域內(nèi)，使歸一化相關(guān)系數(shù)最大的那個(gè)位置既是當(dāng)前圖像中的目標(biāo)位置。

二維最小絕對(duì)差累加和算法(MAD)[5]是一種應(yīng)用于工程系統(tǒng)較為普遍的相關(guān)跟蹤算法，它與上述基于歸一化互相關(guān)的模板相關(guān)跟蹤算法相似，該相關(guān)匹配算法采用二維最小絕對(duì)差累加和作為子圖和目標(biāo)模板相似度的度量。如：

(6)

在圖像匹配跟蹤過(guò)程中，參考模板圖像在當(dāng)前幀搜索區(qū)內(nèi)滑動(dòng)與實(shí)時(shí)子區(qū)圖像作相關(guān)運(yùn)算，尋找最佳匹配點(diǎn)，當(dāng)使D(i,j)取得最小值Dmin時(shí)的D(i,j)即為所求的最佳匹配點(diǎn)。由于MAD算法直接采用圖像各像素點(diǎn)的灰度值作絕對(duì)差累加和運(yùn)算，雖然計(jì)算量比歸一化互相關(guān)運(yùn)算要少，但需要計(jì)算的點(diǎn)數(shù)也很多，而且MAD算法對(duì)圖像灰度變化較敏感，在圖像低對(duì)比度區(qū)域及對(duì)比度變化情況下，目標(biāo)跟蹤性能將下降，甚至丟失目標(biāo)。

3.2 基于特征的匹配跟蹤方法

在基于圖像特征的匹配方法中，運(yùn)動(dòng)目標(biāo)跟蹤是在視頻圖像序列中找到與目標(biāo)特征相匹配的特征點(diǎn)來(lái)實(shí)現(xiàn)的。如果圖像被選中的部分f(i,j)和g(i,j)樣板都用特征向量來(lái)表示：

Y=(y1,y2,…,yk)X=(x1,x2,…,xk)

(7)

則X和Y的向量差可用差向量的范數(shù)來(lái)表示：

(8)

則向量差最小的即為尋找的特征向量，從而使得計(jì)算量大為減少?；谔卣鞯钠ヅ涓櫵惴ǖ母櫺Чc特征有關(guān)，可以采取的特征最好具有平移不變性、旋轉(zhuǎn)不變性和尺度不變性等。

4 各類(lèi)方法優(yōu)缺點(diǎn)比較及改進(jìn)措施

4.1 基于運(yùn)動(dòng)分析的方法

光流的計(jì)算有全局優(yōu)化和局部?jī)?yōu)化兩種。局部?jī)?yōu)化的光流計(jì)算方法能夠反映出運(yùn)動(dòng)邊緣處的運(yùn)動(dòng)信息，但是對(duì)于圖像中的弱紋理區(qū)域不敏感；全局光流的計(jì)算方法能夠得到每個(gè)像素點(diǎn)處的光流，但是對(duì)于運(yùn)動(dòng)邊界處的光流變化不敏感。光流場(chǎng)方法[3]的優(yōu)點(diǎn)在于不需要目標(biāo)的先驗(yàn)知識(shí)，計(jì)算比較精確。但大多數(shù)的光流計(jì)算方法相當(dāng)復(fù)雜，且抗噪聲能力差，如果沒(méi)有特別的硬件裝置則不能被應(yīng)用于全幀視頻流的實(shí)時(shí)處理。光流分割方法不適合目標(biāo)只有幾個(gè)像素的情況，這時(shí)光流計(jì)算的誤差容易產(chǎn)生虛警。另外，光流法只有當(dāng)圖像捕獲的間隔很短時(shí)才適合。但是，它對(duì)照度變化和噪聲較敏感、計(jì)算量也比較大。而且由于實(shí)際景物中的速度場(chǎng)不一定總是與圖像中的直觀速度場(chǎng)有唯一對(duì)應(yīng)的關(guān)系，偏導(dǎo)數(shù)的計(jì)算又會(huì)加重噪聲水平，使得基于光流的方法在實(shí)際應(yīng)用中常常不穩(wěn)定。

頻域方法相比其它基于空域的方法有很多優(yōu)點(diǎn)。首先，它對(duì)圖像整體的亮度變化不敏感，對(duì)噪聲也不敏感。其次，有較高的定位精度，可以達(dá)到亞像素級(jí)。此外，對(duì)匹配區(qū)域發(fā)生的一些小擾動(dòng)具有一定的魯棒性。但是，基于傅氏變換的方法只對(duì)于均勻背景下的目標(biāo)運(yùn)動(dòng)才有效。雖然可以采用局部窗口變換來(lái)盡量避免這個(gè)問(wèn)題，但是該算法的應(yīng)用仍受到很大限制。

基于運(yùn)動(dòng)的方法考慮了整個(gè)區(qū)域的信息，因此增加了跟蹤的魯棒性[4]。依靠增加時(shí)間域的支撐，獲得在低信噪比和復(fù)雜背景條件下檢測(cè)目標(biāo)的能力。但是這種方法需要找到整個(gè)圖像區(qū)域內(nèi)的逐點(diǎn)對(duì)應(yīng)，通常很費(fèi)時(shí)，而且局限于目標(biāo)與背景的灰度保持不變這個(gè)假設(shè)條件下。如果圖像中的目標(biāo)尺寸較大，有明顯的形狀或紋理等信息，就應(yīng)該根據(jù)圖像自身的特征利用下面介紹的基于匹配技術(shù)的方法來(lái)檢測(cè)和跟蹤目標(biāo)。

4.2 基于匹配技術(shù)的方法

基于區(qū)域的圖像模板匹配[2,8]能利用目標(biāo)圖像中的所有信息，對(duì)目標(biāo)對(duì)象的識(shí)別能力強(qiáng)、精度高，但對(duì)旋轉(zhuǎn)和縮放(非本質(zhì)變化)目標(biāo)圖像的識(shí)別能力較差。圖像特征匹配是現(xiàn)在研究的熱點(diǎn),它具有穩(wěn)定性好、易于實(shí)現(xiàn)、匹配效率高、對(duì)圖像的旋轉(zhuǎn)和縮放不敏感、抗噪性能好等特點(diǎn)，但是計(jì)算量大，跟蹤效果與選取的特征直接相關(guān)。在基于圖像特征的匹配方法中，運(yùn)動(dòng)目標(biāo)跟蹤是在視頻圖像序列中找到與目標(biāo)特征相匹配的特征點(diǎn)來(lái)實(shí)現(xiàn)的。簡(jiǎn)單的特征包括點(diǎn)、線段、邊緣、輪廓，復(fù)雜的特征可以是它們的組合。

在圖像域內(nèi)直接利用灰度跟蹤的方法的優(yōu)點(diǎn)是，直接利用目標(biāo)的像素灰度組成模板，找到不同幀之間的圖像灰度對(duì)應(yīng)關(guān)系，因此不需要提取目標(biāo)特征和建模等計(jì)算，方法相對(duì)簡(jiǎn)單，但這種方法完全依據(jù)于圖像數(shù)據(jù)，存在以下缺點(diǎn)：

1) 互相關(guān)算法的運(yùn)算量大。

2) 對(duì)于尺度、旋轉(zhuǎn)等圖像變形問(wèn)題，模板匹配很困難。

3) 目標(biāo)或背景的亮度、對(duì)比度變化會(huì)導(dǎo)致模板匹配不穩(wěn)定。

由于這些缺點(diǎn)的存在，這種歸一化相關(guān)或模板匹配方法只限制在目標(biāo)運(yùn)動(dòng)簡(jiǎn)單、只有平移運(yùn)動(dòng)、視角固定或變化緩慢、背景也相對(duì)簡(jiǎn)單的情況。另外，當(dāng)跟蹤圖像中存在雜波、噪聲，目標(biāo)存在較大的尺度方位變化時(shí)，這種跟蹤方法不再可靠，容易產(chǎn)生跟蹤點(diǎn)偏離。如果把模板匹配的方法改為對(duì)圖像的變形參數(shù)進(jìn)行優(yōu)化方法來(lái)尋找與模板的最佳匹配，可以解決尺度、方位變化的問(wèn)題。但是由于圖像是離散的，要用插值方法對(duì)變形后的模板進(jìn)行像素級(jí)的模板重建來(lái)與圖像匹配，運(yùn)算量很大。

與直接用灰度模板相關(guān)的目標(biāo)跟蹤方法相比，基于特征匹配進(jìn)行跟蹤的方法具有如下的優(yōu)點(diǎn)：

1) 與灰度模板相關(guān)方法比較，所處理的數(shù)據(jù)量大大減少。

2) 抽取特征方法對(duì)幾何變形、亮度變化、對(duì)比度變化具有魯棒性。

3) 基于特征的方法可以根據(jù)精度的需要來(lái)選取使用的目標(biāo)特征數(shù)量。

這類(lèi)方法的特點(diǎn)是，它們對(duì)于圖像灰度的整體變化不敏感，但是對(duì)于圖像模糊、噪聲等比較敏感；圖像特征的提取效果也依賴(lài)于獲取它們的各種算子及其參數(shù)設(shè)置。圖像的特征看似簡(jiǎn)單，但是由于容易受到噪聲影響，在很多環(huán)境下并不適用。而且?guī)g的特征對(duì)應(yīng)關(guān)系也較難確定，尤其是當(dāng)特征數(shù)目不一致、存在漏檢或者新增的特征時(shí)。所以，一般來(lái)講這類(lèi)算法主要應(yīng)用于紋理信息比較豐富、結(jié)構(gòu)清晰的大目標(biāo)。

5 方法的選擇

由于運(yùn)動(dòng)場(chǎng)景下的目標(biāo)跟蹤具有很強(qiáng)的隨機(jī)性，任何算法都不是絕對(duì)準(zhǔn)確的，都不能通用于任何場(chǎng)景，但是跟蹤方法的選擇還是有一定的規(guī)律性：

1) 從單目標(biāo)和多目標(biāo)來(lái)看，匹配法多適用于單目標(biāo)；而運(yùn)動(dòng)分析法多適用于多目標(biāo)，特別是光流法可以解決目標(biāo)之間重疊的問(wèn)題。

2) 從目標(biāo)的特征來(lái)看，如果圖像中的目標(biāo)尺寸較大，有明顯的形狀或紋理等信息，就應(yīng)該根據(jù)圖像自身的特征于匹配方法來(lái)檢測(cè)和跟蹤目標(biāo)，否則，采用基于運(yùn)動(dòng)分析的方法。

3) 從跟蹤的精度高低來(lái)看，對(duì)于會(huì)議電視系統(tǒng)的跟蹤來(lái)說(shuō)，一般對(duì)跟蹤的精度要求不高，只要能做到實(shí)時(shí)跟蹤就可以，所以跟蹤算法要求盡量簡(jiǎn)單，運(yùn)算量小，采用簡(jiǎn)單的幀差法結(jié)合適當(dāng)?shù)谋尘把a(bǔ)償方法即可。

6 結(jié)語(yǔ)

隨著數(shù)字信號(hào)處理技術(shù)的發(fā)展，一些新的方法如神經(jīng)網(wǎng)絡(luò)、遺傳算法等也被應(yīng)用到識(shí)別跟蹤技術(shù)中。另外數(shù)據(jù)融合技術(shù)也被應(yīng)用到識(shí)別跟蹤技術(shù)中，如基于多傳感器的數(shù)據(jù)融合技術(shù)、基于多光譜的數(shù)據(jù)融合技術(shù)。取得了很好的效果，這些算法各有其優(yōu)缺點(diǎn)，應(yīng)用分別適用于不同的應(yīng)用場(chǎng)合。這樣，可以從多個(gè)角度、多個(gè)側(cè)面進(jìn)行識(shí)別定位，其識(shí)別定位的效果較單一方法、單一角度的識(shí)別定位更為準(zhǔn)確有效。

通過(guò)研究并分析了幾種典型的目標(biāo)識(shí)別跟蹤方法的基本原理、基本屬性、存在弊端及發(fā)展過(guò)程，總結(jié)了目標(biāo)跟蹤的選擇方法。對(duì)于不同的目標(biāo)和場(chǎng)合,選擇不同的方法來(lái)實(shí)現(xiàn)目標(biāo)跟蹤,使其運(yùn)用在特定的領(lǐng)域能夠更好地發(fā)揮出其在特定領(lǐng)域的優(yōu)越性。跟蹤算法的高實(shí)時(shí)性、高精確性是下一步要研究的重點(diǎn)。

以上各種方法各有千秋，對(duì)于每一種算法的弊端可以從以下幾方面進(jìn)一步完善：

1) 結(jié)合模糊神經(jīng)網(wǎng)絡(luò)的算法

以往對(duì)多目標(biāo)跟蹤的研究方法，是建立在各種機(jī)動(dòng)目標(biāo)的數(shù)學(xué)模型和各種濾波方法上。雖然能對(duì)機(jī)動(dòng)沒(méi)有進(jìn)行有效的跟蹤，但計(jì)算量大，跟蹤過(guò)程很復(fù)雜，而且機(jī)動(dòng)目標(biāo)的運(yùn)動(dòng)描述很復(fù)雜，難以用一個(gè)準(zhǔn)確的數(shù)學(xué)模型來(lái)描述。而結(jié)合模糊神經(jīng)網(wǎng)絡(luò)結(jié)合[6][7]的方法，可以?xún)?yōu)勢(shì)互補(bǔ)，可以將人的模糊判別的特點(diǎn)引入到跟蹤系統(tǒng)中，用簡(jiǎn)單的程序完成復(fù)雜判別。

2) 人機(jī)交互由于運(yùn)動(dòng)場(chǎng)景的復(fù)雜及各種隨機(jī)因素的產(chǎn)生，單靠計(jì)算機(jī)自動(dòng)識(shí)別是有一定難度的，在適當(dāng)?shù)那闆r下，加入人為的指導(dǎo)作用，會(huì)起到事半功倍的效果。如隨時(shí)指定要跟蹤的目標(biāo)，在目標(biāo)辨別錯(cuò)誤或丟失情況下，指定重新搜索等。

[1] 桑愛(ài)軍,宋建中.基于跟蹤度的cabor小波特征跟蹤方法研究[J].光學(xué)技術(shù)，2005,31(4):588-590. SANG Aijun, SONG Jianzhong. Gabor wavelet feature tracking method based on criteria of trackin[J].OpticalTechnique.2005,31(4):588-590.

[2] 常發(fā)亮,馬麗,喬誼正.遮擋情況下基于特征相關(guān)匹配的目標(biāo)跟蹤算法[J].中國(guó)圖像圖形學(xué)報(bào),2006,11(6):887-882. CHANGFaliang, MALi, QIAOYizheng. Targettrackingalgorithmunderocclusionbasedoncorrelationmatching[J].J.Imagand Graphics,2006,11(6):877-882.

[3] Shi Rong, Li Zaiming. The Compensation for High-speed Optical Flow Estimation with Displacement Motion[C]//IEEE communication, circuit and system International Conference,2002(6):595-599.

[4] H.Tao,H.Sawhney and R.Kumar. Dynamiclayer representation with applications toTracking[C]//Proc. IEEE Conf. on Comp. Vision and Pattern Recogn.,2000:134-141.

[5] Stauffer C, GrimsonW E.Adaptive background mixturemodels for real-time tracking[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, Fort Collins: IEEE Computer Society,1999:246-252.

[6] 夏佩倫,溫洪.基于模糊推理的目標(biāo)跟蹤[J].控制與決策,2003,10(17):23-26. X IAPeilun, W ENHong.Target tracking based on fuzzy inference[J].Electronics Optics& Control,2003,10(17):23-26.

[7] 劉其真.模糊記憶方法用于紅外圖像飛機(jī)目標(biāo)跟蹤[J].工程圖形學(xué)報(bào),2000,23:40-44. LIU Qizhen. AFuzzyremembranceApproach ForTrackingFlyingObjectof InfraredImage.Journal of Engineering Graphics,2000,23:40-44.

[8] 張娟,毛曉波.運(yùn)動(dòng)目標(biāo)跟蹤算法研究綜述[J].計(jì)算機(jī)應(yīng)用研究，2009，16(12)：4407-4408. ZHANG Juan, MAO Xiaobo, et al. Surveyofmoving object tracking algorithm[J].ApplicationResearch ofComputer,2009,16(12)：4407-4408.

[9] 薛陳,朱明.遮擋情況下目標(biāo)跟蹤算法綜述[J].中國(guó)光學(xué)與應(yīng)用光學(xué),2009,2(5)：387-391. XUE Chen, ZHU Ming. Reviewof tracking algorithms under occlusion[J]. Chinese Journal ofOptics andAppliedOptics,2009,2(5):387-391.

[10] 江澤濤,趙榕春,黎明.一種基于相關(guān)的分層匹配與目標(biāo)跟蹤算法[J].航空學(xué)報(bào),2006,27(4):670-675. JIANG Zetao, ZHAO Rongchun, LIMing. Acorrelationbasedlayeredmatchingandtargettrackingmethod[J].ActaAeronauticaet,AstronauticsSinica,2006,27(4):670-675.

Research on Moving Target Tracking

WANG Mingbo

(Unit 98, No. 92493 Troops of PLA, Huludao 125000)

In this paper ,some representative methods which include the basic principle , applicability,virtues and drawbacks ,etc, are introduced. The improved idea is put forward and the selected method of target tracking is summarized based on comparison different methods in many sides. Using them in certain area can reach a good real-time tracking precision for different targets and situations. It has good tracking precision and character of real-time. Finally, the direction needed to beinvestigate further is discussed.

moving target tracking, analyzing, matching

2016年5月14日,

2016年6月27日

王明波,男,工程師,研究方向：電子對(duì)抗總體技術(shù)。

TN911

10.3969/j.issn.1672-9722.2016.11.015