论文总字数：25424字

摘 要

伴着当今时代的飞速发展，处在技术领域的计算机视觉，也同样获得突飞猛进的发展。视觉目标跟踪，计算机视觉领域的重要组成部分之一，受到越来越多的人关注与应用，尤其在治安监控、智慧交通等诸多领域。视觉目标跟踪是一项位于时代先驱的技术，汇集了人工智能，自动控制，模式识别和图像处理等学科的精华。无论是在国内还是国外已有很多科研人员开始从事针对视觉目标跟踪的科研工作，并依据大量的实验研究出很多种跟踪算法。为了实现对运动目标物体的追踪，本文先对基于巴氏指标的mean-shift跟踪算法进行研究，并分析其不足之处，随即针对基于最大后验概率指标（Posterior Probability Measure - PPM）的跟踪算法进行了深入的研究。该算法针对搜索区域的统计特征，相比较与其他算法，非常显著地减小了待匹配区域的环境对目标的影响，让目标区域更加地明显。对视觉目标跟踪进行分析研究，并运用C 语言以及Visual Studio 2012作为开发环境，引入OpenCV库对算法进行了仿真实现。根据对比两种指标的跟踪算法对目标的跟踪效果，借助对跟踪效果的分析找出以最大后验概率为指标的跟踪算法的可行性与优点，即在具有复杂度的环境背景下，相比其他算法，有着更好的对目标检测和识别能力。

关键词：计算机视觉，视觉目标跟踪，最大后验概率

Abstract

With the rapid development of today's era, in the field of computer vision, also received a rapid development. As an important part of computer vision, more and more people are concerned with the application of visual target tracking, especially in the field of security monitoring, intelligent transportation and so on. Visual target tracking, as an advanced technology, contains artificial intelligence, automatic control, pattern recognition, and image processing and other disciplines of the essence. Many researchers at home and abroad have been engaged in the study of visual target tracking, and put forward a variety of tracking algorithms. In order to achieve the tracking of the moving target object, this paper first studies the mean-shift tracking algorithm based on the Bhattacharyya coefficient and analyzes its shortcomings, and aims at the tracking algorithm based on the Posterior Probability Measure (PPM) Conducted an in-depth study. The algorithm is very effective in suppressing the influence of the background of the region to be matched on the target, so that the target area is more prominent for the statistical characteristics of the search area. The research on visual target tracking is carried out, and the algorithm is simulated by OpenCV and C , and the moving target in the video is tracked. By comparing the tracking effect of different tracking algorithms on the target, the results of the comparison are obtained. Based on the analysis of the results, the feasibility and advantages of the tracking algorithm with the maximum posterior probability are obtained. In the background of complex environment, compared to other algorithms, there is a better ability to target detection and recognition.

KEY WORDS: computer vision, visual target tracking, posterior probability measure

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 研究背景 1

1.2 国内外研究现状 1

1.3 目标跟踪的技术难点 2

1.4 主要工作及研究意义 2

1.5 论文章节安排 3

第二章 目标跟踪基本理论 4

2.1 基本原理 4

2.2 视觉目标描述 5

2.3 视觉目标检测 5

2.4 视觉目标跟踪 6

2.5 本章小结 8

第三章 视觉目标跟踪算法研究 9

3.1 图像的预处理 9

3.2 mean-shift算法 10

3.3 PPM跟踪算法 13

3.3.1 PPM指标 13

3.3.2 算法原理 14

3.4 两种算法的仿真与实现 16

3.4.1 mean-shift跟踪算法 16

3.4.2 PPM跟踪算法 18

3.5 本章小结 22

第四章 总结与展望 23

参考文献 25

致 谢 26

绪论

研究背景

人类的感官有眼、耳、鼻等等，与之相匹配的是视觉、听觉、嗅觉。正是由于这些器官的存在，人类得以对周边的信息有了认知。但是，在获取的信息里面，视觉信息最少有八成。当今是互联网的时代，人类已逐渐地开始使用计算机代替大脑来帮助人类完成一些事，作为占了八成以上感觉的视觉自然也拥有了最重要的位置，即用视觉传感器来模拟人类的视觉。随着时代的发展，接入互联网的传感器，尤其是视觉传感器，越来越多，这使得传感器不仅仅局限于实验室或是其他的一些专业部门，更是走向了人类的生活当中。再加上视觉技术的不断发展、更新，将对人类的未来产生无法预测的影响。以前，视觉技术只能采集二维图像信息，这与人类的视觉差距很大（人类的大脑可以将眼球采集到的二维视觉信息转化为三维视觉信息）。但是随着电子、信息、自动控制、信号处理等领域的发展，外加计算机能力不断提高（半导体行业的发展），渐渐地，人类找到了向人类自身处理视觉信息靠拢的方法，也就是，借助视觉传感器，比如摄像头，先采集图像，由于计算机只能处理数字信息，于是再将得到的图像送入转换器，进行模数转换，借助计算机来处理刚刚所获得的图像，并得到所需要的结果。至此，一项新的技术诞生了，也就是计算机视觉。

曾经，人类主要用视觉传感器做一些有关图像实时传输，图像储存等工作，如视频聊天、治安监控等等。现如今，计算机视觉技术的大力发展，使得视觉传感器不仅仅停留于“看”这个单一的功能上，而是与计算机相结合，拥有了检测、跟踪等功能，还可以做更深层次的处理，使被处理的图像更有利于人眼的观察或是传送给其他设备为更深层次的目的。计算机视觉技术涉及学科十分广泛，包括图像处理、自动控制、人工智能等等，汇集了多个学科的精髓，知识点高度集中。

剩余内容已隐藏，请支付后下载全文，论文总字数：25424字