Meanshift视频监控系统中地面目标稳定跟踪算法研究(3)
1.3.3 应用需求的多样性不同的应用领域，对视频目标跟踪技术的应用需求不同，不仅导致了视频跟踪目标对象的多样性，而且对目标跟踪算法的性能指标产生了不同的要求。目前不存在使得跟踪算法的稳定性、准确性、实时性、抗干扰性同时达到最佳效果的跟踪算法，在设计跟踪算法的过程中，根据需求的不同，如果要求某一至二项性能指标良好，就不可避免地会牺牲其他性能。在地铁站、火车站等公共交通视屏监控系统中，环境复杂，干扰很多，而算法需要能够准确分析目标的行为，甚至能准确报警，因此，对跟踪算法的抗干扰性以及实时性要求很高；对于网络交互等应用，跟踪算法需要能够准确提取目标，对跟踪算法的准确性有很高的要求，相比之下降低了算法的实时性要求。视频应用系统分类广泛，对性能指标的需求各不相同，因此跟踪算法研究需要考虑的一个重要内容就是权衡各项性能指标的重要性，设计出符合应用需求的最优解。就目前的技术研究而言，许多跟踪算法的复杂度高，跟踪精度、适应性和抗干扰性都受到限制。因此，有必要对如何使视频跟踪算法和系统在应用环境中正确稳定快速高效地运行进行更深入的研究。目前，固然已有许多视频目标跟踪算法问世，但是这些算法大多只适用于特定的目标或特定的场合，在应用中也有其他约束条件。这些不足之处有待我们进一步的研究和改善。同时， 研究者也可以将更多的精力投入到开发与实现新的优秀的视频目标跟踪算法理论的工作。
1.4 本文主要内容与结构安排本文的主要内容是进行基于 Meanshift 的运动目标的检测跟踪算法及实现，同时进行基于光流的、基于粒子滤波的运动目标检测跟踪算法及实现，利用 Matlab 软件对3 种算法进行仿真，达到检测与跟踪运动目标的效果，分析比较 3 种算法的稳定性、准确性和实时性等性能， 总结基于Meanshift 的运动目标检测跟踪算法的优缺点和适用范围， 提出今后的研究重点。本文一共分为五个章节，具体如下：第一章：介绍了课题背景和研究意义，课题研究现状和发展趋势，运动目标检测跟踪技术研究中存在的问题以及论文主要内容和结构安排。第二章：研究Meanshift 跟踪算法的原理并实现，介绍基于 Meanshift 的跟踪算法的改进。第三章：研究光流跟踪算法的原理并实现。第四章：研究粒子滤波跟踪算法原理并实现。第五章：比较 Meanshift、光流、粒子滤波 3 种跟踪算法的性能，总结基于 Meanshift 的运动目标检测跟踪算法的优缺点和适用范围。