运动目标跟踪在科学研究领域、工业以及军事等等方面的意义都很重大。具体运用包括虚拟现实、模式识别、自动导航等。在民用和军用领域，比如生物医学、地质勘测、军事侦察、工业生产监控以及在航天导航等方面中也被频繁地运用。本文简要讨论了目前主要的目标检测算法和主要的目标跟踪算法，分析比较了各种算法的优劣。重点研究了光流场算法中的经典算法——Horn-Schunck法，首先介绍光流及光流场跟踪的原理，然后介绍Horn-Schunck法的理论原理，接着基于MATLAB的计算机视觉系统工具箱（computer vision system toolbox），进行对交通视频中汽车的运动进行检测和跟踪的仿真。基于光流法的运动目标跟踪技术,具有高精确率,可以直接获得运动目标的运动信息，能够实现动态背景下的运动目标检测也是一大优势。但一直未能在鲁棒性与实时性方面有突破性的进展,未能应用在有实时性处理需求的领域。关键词 运动目标检测，运动目标跟踪，光流法，MATLAB
目 录
1 绪论 1
1.1 研究意义及现状 1
1.1.1 运动目标检测技术 1
1.1.2 运动目标跟踪技术 2
1.2 拟采用的方法 3
2. 图像预处理 4
2.1 图像灰度化 4
2.2 图像去噪 5
2.3 图像二值化 7
2.4 数学形态学处理 8
2.4.1 膨胀和腐蚀 8
2.4.2 开运算与闭运算 9
3. 运动目标检测技术 9
3.1 帧差法 9
3.2 背景差分法 10
3.3 光流法 11
4  运动目标跟踪技术 12
4.1 基于模型的跟踪 12
4.2 基于活动轮廓的跟踪 12
4.3 基于区域的跟踪 12
4.4 基于特征的跟踪 13
4.5 基于光流场的跟踪 13
4.5.1 光流场与运动场 13
4.5.2 光流的约束方程 15
4.5.3 经典光流场算法HS(Hom&Schunck)法  *51今日免费论文网|www.jxszl.com +Q: ^351916072# 
16
5. 实验仿真验证 18
5.1 运动目标跟踪流程 18
5.2 计算机视觉系统工具箱系统对象vision.X 19
5.3 实验运行结果 24
结 论 25
致 谢 26
参 考 文 献 27
1 绪论
1.1 研究意义及现状
因为运用范围非常广泛，计算机视觉和图像处理已成为现今的炙手可热的研究方向，而运动物体检测同跟踪设计因为其特殊的研究地位，又是其中最为人瞩目的一项技术。要解决视频图像的信息分析问题，首先，我们要通过该视频所产生的数字图像，运用相关的检测方法，求出其序列里面的活动物体，然后根据这些物体的相关的特质，辅以有效地跟踪方法，实施跟踪分析，经过这些步骤，就可以获得运动物体的非常多的有用信息，为今后对于理解，分析解决有关物体的运动事件都有非常有效地作用。
运动目标跟踪设计在现代化的研究范围内居于重要的地位，在人们的日常生活当中，现代化的工业活动以及军事建设当中，都有不可忽视的作用。而这些技术常常被用在比如站台、交通枢纽处、金融办事处、学校保卫等监控系统中，不仅这样，在医学、人工智能、考古勘探、军工演习、流水线管理以及在航天导航等方面中也有这些技术的身影。因该技术在实际使用时经常受光照、风力、阴影变化等等不少因素的影响而导致结果的准确度存在波动，所以深入研究并改善运动物体检测与跟踪设计大有前景。
1.1.1 运动目标检测技术
运动目标检测技术目的在于将所需的的前景目标图像从连续的视频序列中提取出来，为日后图像解析打下良好的根底[1]。在运动目标的跟踪、运动行为分析、视频图像分割中都能够发挥相当重要的作用。到目前为止，研究者尝试了五花八门的运动物体检测方法，学者在算法的研究和视频图像分割等方面投入了很多令人敬佩的科研努力，然而遗憾的是，并没有一种算法可以完完全全地克服实际应用中的出现的各种问题，这些问题包括目标重叠遮挡、光线强度变化、阴影、不可避免的扰动噪声等。运动目标检测算法的准确性和稳定性或多或少收到了这些真实存在的运用问题的影响。算法结果质量的好坏很大程度上决定了后续图像处理的运行准确度，目前运动物体检测耳熟能详的的措施有三类：
光流法
该法主要运用的是运动目标的光流特性，假定无活动物体在帧图像，整地方光流失量一定会是稳定的变换；与之相反的情况是，前景目标和背景的速度矢量的表现形式就会出现不同，根据这一特点就能检测出运动目标区域[2]。光流法的缺点是:算法计算量大外加复杂，通常就会导致运算的是时间特别长，要实现即时性的应对变化进行调整可能不太肯能，所以光流法不太适合运用于对实时性和稳定性要求较严苛现实情形。
帧间差法
该法的原理是利用灰度像素值的差分运算，把比邻2帧也可以是3帧图像处理，然后为了得到活动物体的前景要设定合适的阈值以差分出。然而，太短的相邻帧之间的时间间隔会使得帧间差法的对光线变化敏感度会变得相对较低，同时阈值的选取合适与否、运动目标的速度以及采样间隔的长短都会对检测的结果产生一定程度的影响。帧间差法的缺点：检测目标重叠的部分的存在困难，通过帧间差分法得到目标前景通常不是特别地完整，实验得到的结果要比事实上的略大，在这过程中，一些空洞和不少伪目标点也时常会出现。
背景差法
该法的原理是先进行差分运算，而差分的对象是所建立的背景模型和图像序列，在这之后进行阈值化，提取出图像中的前景目标[3]。背景差法算法相对来说比较简单，该方法的运算也速度较快，基本能够满足实时性的需要。然而，在实际运用当中，外界环境扰动及噪声等的影响将导致所建立的背景图像模型不太稳定准确，所以该法当前的研究重点是背景图像模型的构建、实时更新以及设定阈值的方法。
1.1.2 运动目标跟踪技术
跟踪技术是在活动物体由成功检测得到后，利用我们所成功获得的检测对象，他们身上的一些比较显著比较有识别度的特质，之后我们运用一定的手法，从视频帧图像中跟踪出来进行下一步更具图的分析[4,5]。通常，绝大多数的目标跟踪算法只能在某一特定的情形下进行使用，检测和跟踪某一类特定的运动目标，适合所有场景和所有目标的算法并不存在。因此，根据场景、目标以及需求性能的不同，与之相对应的跟踪方法也不同，到现在为止，惯用的方法如下述：
(1) 基于特征的跟踪
基于特征的方法不会受图像灰度整体变化所带来的影响，该法获取特征的效果往往取决于其他算子及参数的设置，且在提取特征的过程中比较容易受到噪声的影响，因此可能会丢失特征或者在此之外又增加了其他不要必要的特征，从而对匹配关系的求解造成困难，最终产生误匹配，当然，可以通过对算法的改进解决这些问题。这种方法一般来说都对纹路多的物体有效用，以及物体的大概形状较一般而言较明晰的图像。

原文链接：http://www.jxszl.com/dzxx/dzkxyjs/59673.html