运动目标跟踪方法

（1）基于区域匹配跟踪方法的主要思想：该方法主要是将包含运动目标的

运动区域作为参考模板12引，在下一帧图像中按照一定的搜索方法搜索模板，找到的最优搜索区域判定为匹配区域。该方法在理论上是十分有效，其可以获得丰富的目标信息，对小目标跟踪效果好；但是当搜索范围较大时，目标匹配会花费大量的时间，而且如果目标发生变化或者被遮挡时，跟踪效果会大大下降。

（2）基于模型跟踪方法的主要思想：该方法通常会使用三种模型进行目标

跟踪：线图模型、2d模型、3d模型【231。在实际的应用中，由于3d模型更接近现实生活中的物体，使用最多的是基于3d模型的跟踪方法，特别是针对刚体（如汽车、飞机等）的跟踪。概括来说，跟踪的方法如下：利用获得的目标3d模型，然后针对实际的视频序列进行目标的搜索与匹配。在实际的跟踪环境中，3d模型的运算量很大，而且获得所有目标的3d模型并全部存储是一项几乎不可能的任务，因此该方法的实际应用比较少。

（3）基于动态轮廓跟踪方法的主要思想：该方法主要是指对目标的轮廓进

行提取，即用一组封闭的轮廓曲线来描述目标，将其作为匹配的模板。此轮廓曲线能进行自我更新以适应非刚体目标的形状变化12引。例如paragan等人利用短程线的轮廓，加入水平集理论检测并跟踪目标【25j；最经典的算法是michaelkass等人在1988年提出的主动轮廓模型（即snake模型）的方法【26|，其本质是能量的最小化。通过不断求解轮廓曲线能量函数的最小值，不断调整其形状，从而实现对目标的跟踪。该方法在简单背景下，能够准确的进行目标跟踪。但其对于背景复杂情况以及速度较快或形变较大的目标，运算速度很慢，而且对于遮挡问题的解决不是很好，因此很少应用于实际的监控系统中。

（4）基于特征的跟踪方法的主要思想：该方法主要是通过提取目标特定的

特征集合，如角点或边界线条等【2¨，将其作为跟踪模板，在下一帧中搜索并进行帧间的匹配，从而实现目标的跟踪1281。改算法的优点在于其是以目标特征为基础，因此，在目标的整体特征不完整，即目标被部分遮挡的情况下仍然可以实现跟踪。该方法是目前应用最多的一种方法。

1.4.课题的研究内容与论文结构安排

运动目标检测与跟踪是智能视频监控领域的基础与前提。本文主要是针对静态场景下的运动目标检测与跟踪，通过不断的研究和学习，找到更好的运动目标检测与跟踪方法。

本文对目前常用的目标检测与跟踪方法进行了原理介绍与性能分析，并在前人的基础上提出了自己的解决方案，且与原有的基于混合高斯模型的目标检测方法以及基于基于码本模型的目标检测进行了比较。在运动目标跟踪方面采用基于kalman预测的meanshift方法，同时加入了信息量度量的方法，使得

第二篇：运动目标检测方法总结报告摘要