复杂大场景下的多摄像机接力目标跟踪问答研究.pdf

《复杂大场景下的多摄像机接力目标跟踪问答研究.pdf》由会员分享，可在线阅读，更多相关《复杂大场景下的多摄像机接力目标跟踪问答研究.pdf（69页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、山东大学 硕士学位论文 复杂大场景下的多摄像机接力目标跟踪问题研究 姓名：王晓林 申请学位级别：硕士 专业：模式识别与智能系统 指导教师：常发亮 20090510 山东大学硕士学位论文 摘要 在复杂的自然环境中，背景干扰因素较多，对目标的特征提取与跟踪都相 对困难。同时由于摄像机的分辨率和视野范围有限，限制了单摄像机跟踪系统 的应用，使得多摄像机跟踪系统的使用成为必然。因此，基于复杂大场景下多 摄像机的运动目标接力跟踪成为计算机视觉研究的热点之一，其在视觉自主导 航机器人、多智能体协作、可疑目标的连续跟踪、智能交通监控与违章追踪、 军事领域的无人驾驶飞机和车辆等实际系统中有着广泛的应用，具有重

2、要的理 论价值和实用价值，有着广阔的发展和应用前景。 本文主要对复杂大场景下的多摄像机接力目标跟踪问题进行了研究。首先 对复杂大场景下多摄像机接力目标跟踪的基本环节单摄像机在有限复杂场 景下的目标跟踪算法进行了深入研究，能够实现复杂场景下的运动目标跟踪； 然后提出了基于单P T Z 摄像机的主动跟踪算法，使被跟踪目标时刻保持在摄像 机视野的中央区域；最后研究了多摄像机下的目标接力跟踪，对相关理论和算 法进行了初步研究和探讨。论文的主要工作有： 运动目标跟踪方面，研究了基于均值漂移的目标跟踪算法，该算法采用三 维背景加权的颜色直方图描述目标特征，对目标旋转变形、部分遮挡具有较好 的适应性，并且计

3、算简单、实时性好，但是不能自适应调节跟踪窗大小，在目 标快速运动和发生机动的情况下效果不理想。针对均值漂移算法存在的问题， 提出了结合均值漂移和卡尔曼滤波的目标跟踪算法。该算法对跟踪过程中的干 扰进行检测，根据目标所受干扰的强弱，采用不同的比例因子将卡尔曼滤波预 测结果与均值漂移算法得到的结果进行线性加权。同时对被跟踪目标的特征模 型进行实时在线更新，提高了跟踪的可靠性。实验结果表明，改进后的算法具 有实时性好，鲁棒性高的特点。 单摄像机主动跟踪方面，分别对系统的整体结构和各个组成模块进行了介 绍，着重介绍了云台转动模块和目标重定位模块。在云台转动模块中，根据P T Z ( p a n t i

4、 l t z o o m ) 摄像机的运动控制参数及目标在摄像机中的相对位置，建立摄 像机运动控制模型，采用云台模糊控制策略使被跟踪目标始终保持在视野的中 央区域；为了实现对同一目标的连续跟踪，在云台转动后采用基于去均值归一 山东大学硕士学位论文 化模板匹配算法实现目标的重定位。当定位错误时，采用基于运动历史图像的 运动目标检测算法在视野的中央区域重新找到相应的运动目标。实验结果表明， 该主动跟踪算法无论对于刚性目标还是非刚性目标都能很好地实现主动跟踪。 多摄像机接力跟踪方面，针对多摄像机接力跟踪中的一些关键问题与技术 进行分析与研究，着重介绍了基于视野分界线的目标交接算法。采用基于同步 视频

5、的摄像机视野分界线生成算法，该算法不需要摄像机标定以及环境等信息。 当目标可见性判别函数值由负变为正时，表明目标即将要出现在相邻的另一个 摄像机的视野范围之内，然后在该视野相关区域内检测出所有运动物体，距离 视野分界线距离最近的目标即为被跟踪目标。实验结果表明，基于视野分界线 的目标交接算法具有计算简单、准确率高、实时性好的特点。 关键词：目标跟踪；均值漂移；主动跟踪；多摄像机；接力跟踪 I I 山东大学硕士学位论文 A B S T R A C T I nt h en a t u r a lc o m p l e xe n v i r o n m e n t ，i ti sd i f f i

6、c u l tt oe x t r a c tt h et a r g e tf e a t u r e s a n dt r a c kt h et a r g e tb e c a u s eo ft h ei n t e r f e r e n c ef a c t o r so ft h e b a c k g r o u n d M e a n w h i l e ，b e c a u s et h e r e s o l u t i o na n dk e no ft h ec a m e r aa r el i m i t e d ，t h e a p p l i c a t i

7、 o n so fs i n g l ec a m e r at r a c k i n gs y s t e ma r er e s t r i c t e d , a n dt h ea p p l i c a t i o n so f m u l t i c a m e r at r a c k i n gs y s t e mb e c o m ei n e v i t a b l e S ot h em o v i n gt a r g e tr e l a y t r a c k i n gb a s e do nt h em u l t i c a m e r ai nl a r

8、 g ec o m p l e xs c e n ei saf o c a lp o i n to f r e s e a r c hi nc o m p u t e rv i s i o n T h er e s e a r c hr e s u l t sc a i lb ew i d e l ya p p l i e di nv i s i o n a u t o n o m o u sa v i a t i o n r o b o t s ，c o o p e r a t i o n o fm u l t i - a g e n t ，s u s p i c i o u s t a r

9、 g e t s s u c c e s s i v e l yt r a c k i n g ，i n t e l l i g e n c e t r a f f i cs u r v e i l l a n c ea n dv e h i c l e s p e c c a n c y t r a c k i n g ，a n dp i l o t l e s sa i r c r a f ta n dv e h i c l e ss y s t e m si nm i l i t a r yf i e l d s T h e r e f o r et h e r e s e a r c

10、hr e s u l t sp o s s e s ss i g n i f i c a n tt h e o r e t i c a lv a l u ea n dp r a c t i c a lv a l u e ，a n dh a v e w i d ed e v e l o p m e n ta n da p p l i c a t i o nf o r e g r o u n d T h i st h e s i sm a i n l ya i m st os t u d yt h et a r g e tr e l a yt r a c k i n go fm u l t i c

11、 a m e r ai n l a r g ec o m p l e xs c e n e F i r s t l y , t h et a r g e tt r a c k i n ga l g o r i t h mo fs i n g l ec a m e r ai nt h e l i m i t e dc o m p l e xs c e n ei sf u r t h e rs t u d i e d A n dt h er e s e a r c hr e s u l t sC a nr e a l i z et h e m o v i n gt a r g e tt r a c

12、 k i n gi nt h ec o m p l e xs c e n e T h e n ，t h ea c t i v et r a c k i n ga l g o r i t h m b a s e do nt h es i n g l eP T Z ( p a n t i l t - z o o m ) c a m e r ai sp r o p o s e dw h i c hC a nk e e pt h e t a r g e ti nt h ec e n t e ra r e ao ft h ec a m e r as c e n e F i n a l l y , t h

13、 ep r e l i m i n a r ys t u d ya b o u tt h e t a r g e tr e l a yt r a c k i n gt h e o r i e sa n da l g o r i t h m sb ym u l t i c a m e r ai nt h ew i d es c e n ei s p e r f o r m e d T h em a j o rc o n t r i b u t i o n so ft h i st h e s i sa r es u m m a r i z e da sf o l l o w s ： I nt h

14、 em o v i n gt a r g e tt r a c k i n gp a r t ，t h et r a c k i n ga l g o r i t h mb a s e do nm e a ns h i f ti s s t u d i e d ，w h i c hu s e st h r e e d i m e n s i o n a lb a c k g r o u n d - w e i g h t e dc o l o rh i s t o g r a mt o c h a r a c t e r i z et h et a r g e t T h i sa l g o

15、 r i t h mh a sg o o da d a p t a b i l i t yt o t a r g e tr o u n d ， t r a n s m o g r i f i c a t i o n ，a n dp a r t - o c c l u s i o n F u r t h e r m o r e ，i tr e q u i r e ss i m p l ec o m p u t a t i o n a n dh a sr e a l t i m ep e r f o r m a n c e H o w e v e r , i tc a nn o ta d j u

16、s tt h es i z eo ft h et r a c k i n g w i n d o wa d a p t i v e l y , a n dh a sp o o rp e r f o r m a n c ei nt r a c k i n gf a s tm o v i n gt a r g e t sa n d t h o s e 、 ，i mm a n e u v e r a b l em o v e m e n t T h et r a c k i n ga l g o r i t h mb a s e do nm e a ns h i f t a n dK a l m a

17、 nf i l t e ri sp r o p o s e dt oi m p r o v et h ep e r f o r m a n c eo ft h ec u r r e n tm e a ns h i f t t r a c k e r IA c c o r d i n gt ot h ed i f f e r e n ti n t e r f e r e n c ec i r c u m s t a n c e ，t h eK a l m a nf i l t e r I I I 山东大学硕士学位论文 p r e d i c t i o nr e s u l ta n dt h

18、em e a ns h i f tt r a c k i n gr e s u l ta r el i n e a rw e i g h t e db ya d o p t i n g d i f f e r e n ts c a l ef a c t o r s M e a n w h i l e ，t h et a r g e tf e a t u r em o d e li su p d a t e do n l i n et o i m p r o v et h et r a c k i n gr e l i a b i l i t y T h ee x p e r i m e n t

19、 ss h o wt h a tt h ei m p r o v e da l g o r i t h m i sr e a l t i m ea n dr o b u s t I nt h ea c t i v et r a c k i n go fs i n g l ec a m e r ap a r t ，w h o l es t r u c t u r eo ft h es y s t e ma s w e l la se v e r yc o m p o n e n tm o d u l ei ss e p a r a t e l yi n t r o d u c e d T h e

20、p a n - t i l tc o n t r o l m o d u l ea n dt h et a r g e tr e l o c a t i o nm o d u l ea r ee m p h a t i c a l l yi n t r o d u c e d I nt h ep a n - t i l t c o n t r o lm o d u l e ，t h em o t i o nc o n t r o lm o d e lo ft h ec a m e r ai se s t a b l i s h e da c c o r d i n gt o t h ec a

21、m e r a Sm o t i o nc o n t r o lp a r a m e t e r sa n dt h er e l a t i v ep o s i t i o no ft h et a r g e ti nt h e c a m e r a T h ep a n t i l tf u z z yc o n t r o ls t r a t e g yi sa p p l i e dt ok e e pt h et a r g e ti nt h ec e n t e r a r e ao ft h es c e n e I no r d e rt or e a l i z

22、 et h ec o n t i n u o u st r a c k i n go ft h es a m et a r g e t ，t h e t e m p l a t em a t c h i n ga l g o r i t h mb yn o r m a l i z e dc r o s s c o r r e l a t i o ni sa p p l i e da f t e rt h e m o v e m e n to ft h ep a n - t i l t W h e nt h el o c a t i o ne r r o rO c c u r s ，t h em

23、 o v i n gt a r g e t d e t e c t i o na l g o r i t h mb a s e do nt h em o t i o nh i s t o r yi m a g ei s a p p l i e dt o f i n dt h e c o r r e s p o n d i n gt a r g e ta g a i ni nt h ec e n t e ra r e ao ft h es c e n e T h ee x p e r i m e n t ss h o w t h a tt h ea l g o r i t h mC a nt r

24、 a c kb o t ht h er i g i dt a r g e t sa n dn o n - r i g i do n e sw e l l I nt h em u l t i - c a m e r ar e l a yt r a c k i n gp a r t ，s o m ek e yp r o b l e m sa n dt e c h n i q u e so f t h em u l t i c a m e r ar e l a yt r a c k i n ga r es t u d i e d T h et a r g e th a n d o f fa l g

25、o r i t h mb a s e do n t h eF O Vl i n e si s e m p h a t i c a l l yi n t r o d u c e d T h ec a m e r aF O Vl i n e sg e n e r a t i o n a l g o r i t h mb a s e do nt h es y n c h r o n o u sv i d e oi sa p p l i e da n dt h ea l g o r i t h md o e sn o t n e e dt h ec a m e r ac a l i b r a t i

26、 o na n de n v i r o n m e n ti n f o r m a t i o n ，e t c W h e nt h ev a l u eo ft h e t a r g e tv i s i b i l i t yd i s c r i m i n a t i o nf u n c t i o nc h a n g e sf r o mn e g a t i v et op o s i t i v e ，i tm e a n s t h et a r g e tw i l ls o o np r e s e n ti nt h es c e n eo ft h ea d

27、 j a c e n tc a m e r a ，t h e nd e t e c t sa l lt h e m o v i n go b j e c t si nt h er e l a t i v ea r e aa n dt h et r a c k i n gt a r g e ti st h eo n ew h i c hi sn e a r e s t t ot h eF O Vl i n e s T h ee x p e r i m e n t ss h o wt h a tt h ea l g o r i t h mb a s e do nt h eF O Vl i n e

28、s i ss i m p l e ，a c c u r a t ea n dr e a l t i m e K e yw o r d s ：t a r g e tt r a c k i n g ；m e a ns h i f t ；a c t i v et r a c k i n g ；m u l t i p l ec a m e r a s ；r e l a y t r a c k i n g I V 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究所取得的成果。除文中已经注明引用的内容外，本论 文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本 文的

29、研究作出重要贡献的个人和集体，均已在文中以明确方式标 明。本声明的法律责任由本人承担。 论文作者签名：互逝出 日期： 珥她司 I 关于学位论文使用授权的声明 本人同意学校保留或向国家有关部门或机构送交论文的印刷件 和电子版，允许论文被查阅和借阅；本人授权山东大学可以将本学 位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印或其他复制手段保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：j 越选导师签名： 山东大学硕士学位论文 1 1 课题研究背景及意义 第一章绪论 随着数字信号处理技术、自动控制技术和计算机技术的发展，运动目标跟 踪已经成为模式识别、

30、图像处理和计算机视觉等领域的重要研究课题。视频中 的运动目标跟踪是将模拟视频信号数字化后得到数字视频序列，通过数字图像 处理的方法对图像序列进行分析，找到数字视频序列中的目标位置，根据不同 的特征值将不同图像序列中的同一运动目标关联起来，并且给出目标位置、速 度和姿态的估计，进而控制摄像机进行跟踪，获得需要的实时信息。该技术在 视觉自主导航机器人、安全监控( 可疑目标的连续跟踪) 、竞技体育与人体运动 分析、医学研究( 细胞运动分析与跟踪) 、材料分析( 显微组织结构变化与运动 分析) 、智能交通指挥、天文观测、工业、军事( 无人驾驶轻型飞机、车辆等) 、 防暴与反恐等领域具有重要的实用价值和

31、意义，有着广阔的发展和应用前景。 由于图像是三维实物在二维平面上的投影，其本身存在信息缺失问题，再 加上被跟踪目标运动的不确定性和动静态特性的各异性及运动目标所处场景的 复杂程度、稳定程度都影响着目标跟踪的效果，从而给目标的准确、快速和大 范围跟踪带来了很大的困难，在一定程度上制约了其在上述领域的快速发展和 应用。目前存在许多问题和难点尚未解决，其理论和应用技术研究极具挑战性。 在目前的实际应用中，多数目标跟踪系统采用位置固定的单一摄像机，但是位 置固定的摄像机本身具有局限性，当发现异常目标时无法凝视跟踪某一目标， 不能使目标处于图像中的有利位置，而这些功能可以由观察位置或者观察角度 可变的动

32、态摄像机实现。同时，单一摄像机条件下由于视野范围有限以及遮挡 或者深度的影响容易产生歧义，因此多摄像机的使用不仅可以扩大视野范围而 且可以从不同的视角用以解决遮挡等问题。显然，未来的运动目标跟踪系统将 极大地受益于多摄像机的应用。对于大场景下多摄像机的运动目标接力跟踪研 究，涉及到多摄像机或多智能体的跟踪交接和协同跟踪问题，这也是在实际应 用系统中亟待解决的关键理论和技术问题。因此，本课题的研究对上述学科和 领域的发展同样具有重要的科学意义。 山东大学硕士学位论文 1 2 国内外研究现状及技术难点 1 2 1 国内外研究现状 视频中的运动目标跟踪一直是该领域国内外学者研究的热点问题之一。当 运

33、动目标通过摄像机视场时，其图像可能发生变化，这种变化主要来自于三个 方面：1 ) 运动目标位置、姿态和形状的变化；2 ) 光照度的变化；3 ) 运动目标 被其他物体部分或全部遮挡。由于这些情况的存在使得运动目标实时跟踪变得 更加困难，因此研究具有较好鲁棒性和适应性的实时跟踪算法引起了该领域学 者的广泛关注。近十几年来，国际及国内在该方面的学术研究极其活跃，如国 夕b R o b o t i c sa n dC o m p u t e rV i s i o nL a bo fU I U C ，R o b o t i c sI n s t i t u t eo fC M U ， C o m p u

34、 t e rV i s i o nG r o u po fU CB e r k e l e y ，C o m e l lR o b o t i c sa n dC o m p u t e rV i s i o n L a b ，C o m p u t e rV i s i o nL a bo fP e n nS t a t eU n i v e r s i t y ，C o m p u t e rV i s i o nL a b o r a t o r yo f U n i v e r s i t yo fM a r y l a n d ，C o m p u t e rV i s i o nL

35、 a bo fJ o h n sH o p k i n s 等。国际上一些重 要学术会议女I J I C C V ( I n t e r n a t i o n a lC o n f e r e n c eo nC o m p u t e rV i s i o n ) ，C V P R ( I E E E C o m p u t e rS o c i e t yC o n f e r e n c eo nC o m p u t e rV i s i o na n dP a t t e r nR e c o g n i t i o n ) ， I W V S ( I E E EI n t e m

36、 a t i o n a lW o r k s h o po nV i s u a lS u r v e i l l a n c e ) 和权威期： q J ! t H I J C V ( I n t e r n a t i o n a lJ o u r n a lo fC o m p u t e rV i s i o n ) ，C V I U ( C o m p u t e rV i s i o na n dI m a g e U n d e r s t a n d i n g ) ，P A M I ( I E E ET r a n s a c t i o n so nP a t t e m

37、A n a l y s i sa n dM a c h i n e I n t e l l i g e n c e ) 等都将目标跟踪方面的研究作为主要内容之一。国内中科院自动 化所、哈尔滨工业大学、上海交通大学、清华大学、西北工业大学、浙江大学、 东北大学等，在视觉目标检测、视觉目标跟踪和特征匹配等方面也取得了许多 卓有成效的理论和技术成果。 运动目标跟踪是确定同一目标在不同图像序列中位置的过程。近年来出现 了大批运动目标跟踪方法，许多文献对这些方法进行了分类介绍【l - 3 】，其中文献 2 】和 3 中将目标跟踪方法分为四类：基于运动检测的跟踪、基于特征的跟踪、 基于活动轮廓的跟踪、基于

38、模型的跟踪。这种分类方法概括了目前大多数跟踪 方法，下面根据这种分类方法对目前的跟踪方法进行概括介绍。 ( 1 ) 基于运动检测的跟踪 基于运动检测的跟踪算法是通过检测运动目标所对应区域的变化来跟踪 2 山东大学硕士学位论文 目标，关键技术是背景建模和运动检测。 为使背景适合当前光照、阴影和场景变化等，应准确建立背景模型，主要 方法有：1 ) 背景采用图像序列的时域平均吲；2 ) 将每个象素建模为高斯模型、 高斯混合模型或者非参数模型，用统计方法对背景建模 5 。1 ：3 ) 对每个像素点 使用一个K a l m a n 滤波器，补偿光照的变化【8 】；4 ) W a l l f l o w

39、e r 算法对背景模型 分别在像素级、区域级、帧间序列级做处理【9 】。 运动检测是将图像中的运动物体提取出来，主要方法有：1 ) 背景差分算法： 将当前帧图像与背景图像进行差分以提取运动目标，此方法简单准确但对背景 模型的依赖性大 1 0 , 1 1 1 ；2 ) 帧间差分算法：对连续帧序列图像做差分，差分图像 中有值的部分，即是由于物体在图像中运动引起的变化范围，但这种变化范围 只能表示此两帧图像中运动物体的相对位置变化，而对于运动物体的具体形状 却无从得知，且对运动缓慢的物体不敏感，所以存在一定的局限性【1 2 】；3 ) 对 称差分算法：连续三个图像帧的对称差分技术可以弥补两帧差分方法

40、所存在的 局限性，连续三帧序列图像通过对称差分相与，可以较好地检测出中间帧运动 目标的形状轮廓；4 ) 光流检测算法：光流的计算始自于H o r n 和S c h u n c k 1 4 1 ， 这种方法在光流点矢量计算精确的情况下是可取的，但在实际运用中，由于场 景的复杂性，计算复杂、时间花费大，且运动目标往往难以准确识别，影响跟 踪的精确性。 基于运动检测的跟踪算法只利用了变化区域进行跟踪，没有充分利用目标 的特征，对复杂场景下的目标跟踪具有一定的局限性。 ( 2 ) 基于特征的跟踪 基于特征的跟踪包括特征提取和特征匹配两个方面。特征提取是指从景物 的原始图像中提取图像的描绘特征，理想的图

41、像特征应该具备以下特点： ( a ) 特征应具有直观意义，符合人们的视觉特性； ( b ) 特征应具备较好的分类能力，能够区分不同的图像内容； ( c ) 特征计算应该相对简单，以便于快速识别； ( d ) 特征应具备图像平移、旋转、尺度等不变性。 特征提取的目的是为了进行相邻帧之间的目标特征匹配，并以最优匹配来 跟踪目标。常见的基于特征的匹配跟踪算法有：基于目标图像二值化特征匹配 山东大学硕士学位论文 的跟踪 1 3 , 1 5 】，基于边缘特征匹配【1 6 , 1 7 1 或角点特征匹配【1 8 】的跟踪，基于目标灰度 特征匹配的跟踪1 9 , 2 0 】，基于目标颜色特征匹配的跟踪2 1

42、 , 2 2 1 等。 利用目标特征可以实现复杂场景下的可靠目标跟踪，实时性较高，如何选 取最有效最稳定的特征是基于特征跟踪算法的关键问题。 ( 3 ) 基于活动轮廓的跟踪 基于活动轮廓进行跟踪的基本思想是利用封闭的参数化曲线来表达运动目 标2 3 锄】，该可变形曲线又称为S n a k e t 2 9 1 ，由若干个受控点组成，它在曲线变形 和运动过程中通过极小化以曲线函数为参数的能量函数并进行动态迭代，逐渐 由初始位置向目标特征靠拢，从而产生连续平滑的轮廓，其中内部能量控制动 态轮廓的连续性和光滑性，外部能量推动动态轮廓逼近目标的特征点。基于活 动轮廓的算法己广泛地应用于目标跟踪领域，P

43、a r a g i o s 与D e r i c h e r t 2 4 J 利用短线 程的活动轮廓，结合水平集理论在图像序列中检测和跟踪多个运动目标； P e t e r f r e u n d 2 6 】采用基于K a l m a n 滤波的活动轮廓跟踪非刚性的运动物体；I s a r d 与B l a k e t 2 7 1 利用随机微分方程来描述复杂的运动模型，并与可变形模板相结合 应用于人的跟踪。 基于主动轮廓跟踪的优点是不但考虑来自图像的灰度信息，而且考虑整体 轮廓的几何信息，增强了跟踪的可靠性；缺点是跟踪的结果受初始化的影响较 大，局部噪声对结果也有较大影响。 ( 4 ) 基于模

44、型的跟踪 基于模型的跟踪是通过一定的先验知识对所跟踪目标建模，然后通过模型 匹配跟踪目标，并进行模型的实时更新。基于人体模型进行跟踪的关键问题是 如何对人体建模，主要有3 种表示方法：1 ) 线图法：该方法将身体的各个部分 以直线来近似，例如K a r a u l o v a 3 0 1 建立了人体运动学的分层模型，用于单目视 频序列中人体的跟踪；2 ) 二维轮廓法：人体的表达方法直接与人体在图像中的 投影有关，如J u 等【3 1 】提出了纸板人模型，将人的肢体用一组连接的平面区域来 表达，并且区域的参数化运动受关节运动的约束；3 ) 立体模型法：它是利用广 义锥台、椭圆柱、球等三维模型来描

45、述人体的结构细节，因此要求更多的计算 参数，例如R o h r t 3 2 1 使用了1 4 个椭圆柱体模型来表达人体结构，坐标系统的原 点定位在躯干的中心，目的是利用该模型来产生人行走时的三维描述。 4 山东大学硕士学位论文 该算法的优点是在目标姿态变化或部分遮挡的情况下仍能可靠的跟踪，跟 踪精度取决于模型精度，但在现实生活中获得运动目标的精确模型是一件十分 困难的事情。 主动跟踪是根据人类视觉的主动性提出的，人类视觉不是被动的，人可以 根据视觉的需要移动头部，从而改变视野观察范围。在机器视觉中，主动视觉 的核心技术是目标注视点的智能选择和持续的跟踪控制。主动视觉跟踪系统根 据已有的跟踪分析

46、结果和视觉的当前要求，通过主动控制摄像机的参数来控制 摄像机的运动并协调好与外界信息的关系，这些参数主要包括云台及摄像机的 转速、焦距、光圈等。主动视觉跟踪是计算机视觉的一个重要研究领域，在视 频监控、工业制造等方面有着广阔的应用前景。文献 3 3 1 通过计算连续两帧上 的2 D 仿射运动模型，采用反向运动补偿第二帧图像，根据重建图像与原来图 像的差值来给出目标的位置，但该算法只能实现小目标的跟踪。文献 3 4 】采用 基于摄像机可测运动的补偿来实现较大目标的跟踪。文献【3 5 】通过计算出目标 中特定点的位置关系来实现目标的主动跟踪。文献 3 6 】根据被跟踪目标的2 D 运 动来恢复其在

47、图像中的2 D 位置，使被跟踪目标的中心出现在图像的中心区域。 近几年来，为了扩大视频监控的范围，基于多摄像机的视频监控问题研究 也引起了人们的广泛关注，分别从不同的角度对此予以了讨论，如摄像机的数 目和种类不同，摄像机应用的环境不同( 室内或室外) ，摄像机覆盖的区域范围 不同，摄像机的安装方式不同等。文献【3 7 】研究了一种基于a g e n t 技术来实现人 的跟踪，系统通过采用彩色直方图和平均垂直颜色来构造人的模型，最终通过 贝叶斯决策的方式实现人的定位。文献0 8 使用了非重叠摄像机以及摄像机间 的路径拓扑结构，采用最优化方法实现同一目标的跟踪。文献 3 9 使用了多个 具有重叠区

48、域的同步摄像机，通过选择最佳视野的摄像机实现对人的跟踪，如 果目标从当前的摄像机视野移出或者远离当前的摄像机，必须实现摄像机的自 动切换，同时根据目标的运动预测，系统地选择目标在视野中持续时间最长的 摄像机执行跟踪。 1 2 2 技术难点 近几年来随着视频技术的发展，运动目标的跟踪技术取得了很大的进展， 5 山东大学硕士学位论文 并且运用到很多视频监控系统中。但是由于实际环境中目标运动的不确定性以 及视频数据所具有的特殊性、复杂性，使得目标跟踪的理论还不是很成熟，跟 踪技术还处于不断的发展完善中。目标大小、运动速度、运动轨迹、目标颜色 与背景颜色的相似程度、背景的稳定程度以及目标的遮挡等都会给

49、目标跟踪带 来困难，复杂大场景下运动目标接力跟踪的技术难点主要在于： ( 1 ) 背景的复杂性：运动目标所处场景的复杂程度、稳定程度直接影响着 目标跟踪的效果。背景中的干扰因素主要包括：1 ) 光线亮度的变化，会引起目 标和背景颜色的变化使目标颜色特征变得不可靠，影响基于颜色跟踪的可靠性； 2 ) 背景中物体的变动，对运动检测造成干扰；3 ) 背景中存在与目标特征类似 的物体时，将增加目标跟踪的难度，可能使跟踪收敛到干扰所在位置；4 ) 阴影 问题，阴影属于非跟踪目标区域，但随着目标一起运动，同样给运动目标检测 带来困难。 ( 2 ) 用于运动目标跟踪的特征难以选取：运动图像序列中包含了大量的目 标运动信息、梯度信息、颜色信息、边缘信息和纹理信息等，这些信息都可以 作为特征用来进行运动目标的跟踪，但是采用什么特征能够取得较好的跟踪效 果，不仅与跟踪方法本身有关，还和运动图像序列自身的属性有关。 ( 3 ) 目标遮挡难题：遮挡是目标跟踪中的常见问题也是难点问题，遮挡过 程中目标信息的缺失，会使得跟踪变得不稳定。 ( 4 ) 运动目标跟踪中的实时性与准确性要求难以平衡：视频图像中含有大 量的数据，要保证目标跟踪的实时性要求，必须选择计算量小的算法。但是目 标跟踪另一个重要性能是跟踪的准确性，而准确性的保证往往是建立在复杂运 算和处理的基础之