Meanshift视频监控系统中地面目标稳定跟踪算法研究(2)
致谢 23
参考文献 24
1 绪论1.1 课题背景及研究意义随着科技的进步，时代的发展，感知周围的视觉信息逐渐发展成为人工智能的重要研究方向。视频监控系统是其中一项重要的应用。在传统视频监控系统工作的过程中，依靠工作人员的主观认知来获取视频信息并做出相应的决策。监控视频的信息量巨大，仅仅依靠人力来完成这项工作耗时耗力，显然不符合现代社会高质高效的要求。幸而，随着计算机技术的稳步发展，视频监控技术也有了很大的进步。视频监控技术采用电子感光设备获取视频信息，利用计算机系统强大的数据处理功能，对视频中的可疑目标、可疑行为自动进行检测和跟踪。在一些复杂的系统中，视频监控系统还能具有分析和预警功能，能够有效地结合机器与人力，减轻工作人员的负担，并提高监控工作的质量和效率。视频目标跟踪技术在人机交互、机器人视觉导航、虚拟现实、医学诊断、自动导航等方面有重要应用。1.2 课题研究现状与发展趋势近年来，在商业、国防和军事领域不断涌现出各种面向不同应用背景的智能监控系统。视频监控系统应用前景广泛，在各领域都有很大的市场需求，因而引起了国内外研究人员和研究机构的极大兴趣。国外的研究机构对基于视频的运动目标检测跟踪的理论与应用研究起步较早，已经开展了大量的工作。例如，卡内基梅隆大学、麻省理工学院等研究机构，联合研制了战场监控系统 VSAM[1]； 英国雷丁大学， 研究车辆与行人的跟踪， 以及如何识别车辆与行人的交互作用[2]；Maryland 大学，开发了实时视觉监控系统 W4，能够对人进行定位，区分人体的各部位进行图像分割，还能实现多人的跟踪，检测人体的简单行为，例如是否携带物体[3]；欧盟 IST 的Framework 5 程序委员会设立的重大项目ADVISOR，开发了公共公交管理系统，研究内容包括对人群的分析、个人行为模式的分析、人机交互等[4]。国际上有许多信息处理类的学术权威杂志，CVIU、IJCV、IVC、PAMI都出版了视频监控专题。ICCV、CVPR、ECCV、IWVS 等重要的学术会议也把对视频中运动目标的分析研究列为一项主要内容，为这一领域的研究人员提供了充分和广泛的交流机会。我国在基于视频的运动目标检测与跟踪的理论与应用研究领域起步晚、基础弱，与国外在过去几十年内取得的重多研究成果相比，有明显的弱势。近年来，随着国内视频分析技术、人工智能技术、多媒体数据库的发展，又受到了政府的大力支持，视频监控系统的技术研究获取了必要的理论基础和研究的技术条件，因此取得了一些技术成果。国内许多知名大学和研究机构也在从事这方面的理论研究和系统开发。其中，中国科学院北京自动化研究所下属的模式识别国家重点实验室视觉监控研究组处在视频监控技术研究领域的领先地位。该研究小组计了交通监控原型系统 VStar 并进行了初步实现[5]。 VStar系统由该研究小组自行设计且拥有完全的自主版权，整个系统能够识别车型，跟踪目标车辆并分析其行为，并给出语音警告或提示。该系统的实时性优良，在出现光线变化、背景干扰（斑马线等）、边界遮挡的情况下能够保持很强的稳定性。
1.3 运动目标检测跟踪技术研究中存在的问题运动目标检测跟踪技术理论研究在海内外都已经取得了很大的发展，其中部分技术成果已经从理论研究成果成功转换为实用成果，然而相关的技术并未臻于完善，尚存在许多问题等待研究人员进一步地解决。
1.3.1 跟踪目标的多样性在不同的应用领域，对视频目标跟踪技术的应用需求不同，导致了视频跟踪目标对象的多样性，因此设计出的跟踪算法也应是复杂多样的。视频跟踪的对象可能是目标（行人、车辆）的全部或局部区域。行人的外观不同、车辆的形状和颜色不同也可以作为区分不同目标的特征。不同的跟踪目标具有不同的特征，基于此，需要建立不同的目标外观特征模型的描述。首先，对车辆（刚题目吧）和对衣物（具有变形表面，非刚体目标）的目标特征模型描述截然不同。其次，目标的运动往往具有不确定性，可能是匀速运动或加、减速运动，可能是直线运动或转向，因此，设计恰当的运动预测模型很有必要。第三，在目标运动的过程中，目标本身的运动也会改变目标外观特征。例如，在对人头部的跟踪过程中，目标的旋转会造成区域原有特征的消失和新特征的出现。第四，遮挡现象，在单目标跟踪中，目标本身可能会发生自遮挡，譬如在行人的走动过程中会经常出现自遮挡。在多目标跟踪中，不同的目标之间有可能发生相互遮挡的情况。以上这些情况都增加了目标跟踪技术研究的难度。因此，我们需要根据具体的需求对跟踪算法进行建模和设计，才能有效地应对跟踪目标的多样性。1.3.2 跟踪环境的复杂性在实际应用中，跟踪算法的效果受到许多因素的影响，其中，跟踪目标所在环境的变化产生的影响是一项十分重要的因素。不论在室内或室外，光照的变化都会对可见光图像数据的获取产生影响，从而影响跟踪目标的外观特征。在黑暗的室内环境，开灯和关灯都会严重影响目标与背景环境的对比度。室外的光照变化、雨雪天气，也会对目标产生严重的干扰。此外，在实际的环境中，背景的变化也会影响目标的跟踪。例如，密集的人流或车流、非跟踪目标的人或车、道路两旁的树木和建筑建筑，都会对目标行人或目标车辆产生严重干扰。另外，用于捕获数据的设备，不论在室内外都有可能受到干扰，刮风、下雨等因素都可能导致摄像头抖动、移位，长期的使用导致的设备老化会使摄像视野模糊。因此，如何在种种不利环境因素的影响下正确可靠地提取目标、跟踪目标，是判断跟踪算法性能是否良好的重要指标。