视觉跟踪算法的研究进展_李伟.pdfVIP

第12卷第3期 石家庄铁路职业技术学院学报 VOL.12 No ．3 2013 年9 月 JOURNAL OF SHIJIAZHUANG INSTITUTE OF RAILWAY TECHNOLOGY Sep . 2 0 1 3 视觉跟踪算法的研究进展 李 伟1） 吴瑰丽2） 王 猛3） 1） 2 ） （石家庄铁路职业技术学院 河北石家庄 050041 石家庄铁道大学 河北石家庄 050043 石家庄科技干部教育学院3） 河北石家庄 050000） 摘要：目前，IT 产业和高新技术领域的前沿之一是计算机视觉，而视觉跟踪算法是当前计算机 视觉领域的研究热点。阐述视觉跟踪算法的国内外现状以及算法的分类，包括基于定位方法的分类、 基于特征的分类、基于研究方法的分类，并探讨视觉跟踪算法的未来研究方向。 关键词：计算机视觉 视觉跟踪 算法分类 中图分类号：TP27 文献标识码：A 文章编号：1673-1816(2013)03-0059-07 1 引言 随着智能科学与信息技术的迅速发展，计算机视觉已经成为机器人及高新技术研究领域的前沿。 由于视频包含大量的信息并在多媒体中占有非常重要的地位，但现在的问题是如何利用计算机来鉴 别大量的视频信息。鉴于视觉分析在人与机器人的交互技术（human robot interaction ，HRI ）、智能 监控、虚拟现实技术、基于模型的图像编码、流媒体的内容检索等应用中的重要性,对其进行研究是 非常紧迫的，也是非常必要的。 在计算机视觉领域，目标跟踪问题的中心问题是：当目标相对于摄像机存在运动时，视频序列 每帧图像中表示目标区域或目标特征的图像结构的连续对应性。这可以作为一个连续视频中的目标 匹配问题来解决。然而，由于视频输入信号的丰富性和多变性，在复杂背景下跟踪一个或多个运动 目标依然是很困难的。在数学领域，我们要解决一个数学问题，首先会对这个问题进行分析，找出 可以利用的诸多条件，将这些条件作为假设条件，依靠这些“正确”的假设，对问题进行建模，即 可获得所需的解。缺少合适的、充分的假设条件，我们无法得到问题的解。此时，我们说问题无解。 并且，如果缺少必要的假设条件，我们甚至无法对问题进行建模。我们对跟踪问题的解决与此相似： 可以针对不同的情况，对视频环境或者目标做相应的假设，然后建模求解跟踪问题。 2 视觉跟踪算法的分类 在目标跟踪方面，有很多不同种类的跟踪算法。人们试图对它们进行分类，例如，针对前述跟 踪中常见的问题，有刚性目标跟踪算法和非刚性目标跟踪算法的分类方法，也有基于运动的跟踪算 法和基于模型的跟踪算法的分类方法。迄今为止，对于目标跟踪算法没有权威的分类，原因有二： （1）这是一个不断发展的学科方向，新的方法不断产生； 收稿日期：2013-06-21 作者简介： 李伟（1980－），男，汉，讲师，研究方向机器视觉、智能控制。 基金项目：河北省教育厅青年基金项目（2011226 ） 59 石家庄铁路职业技术学院学报 2013 年第3 期 （2 ）边缘学科的特点使得任何新的方法都有可能被引入这一领域。物理学、热力学、神经网络、 信号处理方面的新的（甚至旧的）方法和理论都可能被引入这一领域。 2.1 基于定位方法进行分类 很明显，目标定位就是指确定目标在图像中的位置和形状参数，依据采用的定位方法。我们可 以把跟踪算法分为两大类：确定性跟踪算法和概率性跟踪算法。 （1）确定性跟踪算法 确定性跟踪算法实质是一个优化问题。这种方法的思路是：首先通过手动选择或目标检测方法 获得目标模板，生成目标特征向量，选择匹配函数来表示候选区域和目标模板的相似程度，然后利 用最优化方法找到代价函数的最大值。最大值对应的位置即目标在图像序列中的位置。其典型的代 表是基于均值漂移的跟踪方法[1-3] ，该算法把目标模版和候选位置颜色直