OPenCV视频跟踪系统设计方案

1、封面作者：PanHongliang基于 OpenCV 的视频跟踪系统设计开题报告一、课题背景及研究意义目标跟踪是计算机视觉的一个重要分支，日益广泛应用于科学技术，国防 安全，航空，医药卫生以及国民经济等领域。实现目标跟踪的关键在于完整的 分割目标，合理地提取特征和准确的识别目标。同时要考虑到算法实现的时 间，以保证实时性。当视频图像中被跟踪的目标发生姿态变化，存在旋转或部 分遮挡的时候，简单的灰度模板或者 Hausdorff 距离匹配一般很难达到实时跟 踪的目标的要求，出现匹配失误或者跟踪丢失的情况，而且跟踪效率低。 正 因如此，对运动目标的跟踪的研究很有意义。二、国内外研究现状和发展综述运动

2、目标跟踪在国外取得了一定的研究成果，许多相关技术已经在国外应 用到实际中，但是在国内还是相对落后。传统的视频跟踪目标提取大致分为两 类，一类是以空间同性为准则，先用形态学滤波器或者其他滤波器对图像多预 处理；然后再对该图像的亮度，色度和其他信息做空间上的分割以对区域做边 缘检测，但是此类方法运算量较大。另一类算法主要是以时间变化检测作为准 则，这类算法主要通过帧差检测图像上的变化区域和不变区域，将运动物体与 静态背景进行分割。此类方法运算量小，但是提取结果不如前者。三、课题目标设计出一个基于 OpenCV 的实时视频跟踪系统四、开发环境Windows Xp 系统、Vc+6.0 编译器、Open

3、CV.O 开源计算机视觉库仅供个人学习五、开发人员电子与通信工程：王龙 电子与通信工程：陆宗六、预备知识掌握数字图像处理和计算机视觉相关理论知识精通 C， C+ 编程语言熟悉 Opencv 计算机开源视觉库精通 MFC 界面设计I.Ope nCV 简介OpenC是 Open Source Computer Vision Library的全称 m 是由 Intel 在1999 年出资建立，现在由 Willow Garage 提供支持。它是一个由一系列 C 函数 和少量的 C+啖构成的基于开源发行的跨平台计算机视觉库。OpenCV 不仅实现了图像处理和计算机视觉方面的很多通用算法，提供了Pytho

4、n、Ruby、Matlab等语言的接口，而且还拥有了包括300 多个 C/C+函数的跨平台的中高层API。除此之外，Ope nCVF 依赖于其它的外部库，但是可以使用某些外部库。与目前计算机视觉软件存在的代码慢、不稳定、与其它库不兼容、耗费 高、依赖硬件的问题相比，Ope nCV 以实际应用为目的，通过优化的 C 代码提高 执行速度，而且通过购买高性能多媒体库得到更快的处理速度，并且对硬件的 独立性较强。目前，OpenCV 主要应用在人脸识别、物体识别、动作识别、人体识别、图 像分割、人机互动、运动跟踪等领域。2.MFC 简介MFC 是一个大型的基础类库，它所包含的C+类涵盖了应用程序设计的方

5、方面面。它将大量的 Windows API 函数封装起来，建立了一些更友好的与用户交互函数，在很大程度上屏蔽了Windows 应用程序设计的复杂性。MFC 的文档视图结构更是将数据处理与数据显示完美地区分开来，使得用户在程序设计时思 路更加清晰，也使程序的结构更加明了易懂。Visual C+是一种支持 MFC 应用程序设计的、较好的工具，作为一种基础 开发环境，它提供了 MFC 应用程序向导，以帮助用户建立应用程序的基本框 架。用户只需要在框架的基础上加入自己特定的代码即可实现预定功能 .七、常见视频跟踪算法介绍与分析1. 基于对比度分析的方法1.1 算法思想：利用目标与背景在对比度上的差异来

6、提取、识别和跟踪目标。1.2 分类：边缘跟踪，型心跟踪，质心跟踪。1.3 优缺点：不适合复杂背景中的目标跟踪，但在空中背景下目标跟踪非常有效。2. 基于特征匹配的目标跟踪算法2.1 算法思想：该需要提取目标的特征，并在每一帧中寻找该特征。寻找的过 程就是特征匹配过程。2.2 目标跟踪中用到的特征主要有几何形状、子空间特征、外形轮廓和特征点 等。其中，特征点是匹配算法中常用的特征。2.3 优缺点：特征点一般是稀疏的，携带的信息较少，可以通过集成前几帧的 信息进行补偿。目标在运动过程中，其特征（如姿态、几何形状、灰度或颜色 分布等）也随之变化。目标特征的变化具有随机性，这种随机变化可以采用统 计数

7、学的方法来描述。直方图是图像处理中天然的统计量，因此彩色和边缘方 向直方图在跟踪算法中被广泛采用。3. 基于运动检测的目标跟踪算法3.1 基本思想：通过检测序列图像中目标和背景的不同运动来发现目标区域， 实现跟踪。3.2 光流法：光流算法是基于运动检测的目标跟踪的代表性算法。光流是空间 运动物体在成像面上的像素运动的瞬时速度，光流矢量是图像平面坐标点上的 灰度瞬时变化率。光流的计算利用图像序列中的像素灰度分布的时域变化和相 关性来确定各自像素位置的运动， 研究图像灰度在时间上的变化与景象中物体 结构及其运动的关系。将二维速度场与灰度相联系，引入光流约束方程，得到 光流计算的基本算法。3.3 优

8、缺点：光流场的方法能够很好的用于二维运动估计，它也可以同时给出 全局点的运动估计，但其本身还存在着一些问题：需要多次迭代，运算速度 慢，不利于实时应用。4. 核方法4.1 算法思想：对相似度概率密度函数或后验概率密度函数采用直接连续估 计。4.2 Mean shift ：均值偏移法。采用彩色直方图作为匹配特征。 Mean Shift 跟踪算法反复不断地把数据点朝向 MeanShift 矢量方向进行移动，最终收敛到 某个概率密度函数的极值点。在 Mean Shift 跟踪算法中，相似度函数用于刻 画目标模板和候选 区 域所对 应 的两个 核函数直方 图的相 似性，采用 的是 Bhattachar

9、yya 系数。因此，这种方法将跟踪问题转化为Mean Shift 模式匹配问题。核函数是 Mean Shift 算法的核心， 可以通过尺度空间差的局部最大 化来选择核尺度，若采用高斯差分计算尺度空间差，则得到高斯差分 Mean Shift 算法。4.3 优缺点： Mean Shift 算法假设特征直方图足够确定目标的位置，并且足够 稳健，对其他运动不敏感。该方法可以避免目标形状、外观或运动的复杂建 模，建立相似度的统计测量和连续优化之间的联系。但是， Mean Shift 算法不 能用于旋转和尺度运动的估计。为克服以上问题，人们提出了许多改进算法。八 算法的确定基于以上分析， 我们选择以核心方

10、法 mean shift 为基础的改进算法 camshift 称 为连 续自 适 应的 MeanShift 算 法， CamShift 算法 的全 称是 Continuously AdaptiveMean-SHIFT ，它的基本思想是视频图像的所有帧作 MeanShift 运算，并将上一帧的结果（即 Search Window 的中心和大小）作为下一帧 MeanShift 算法的 Search Window 的初始值，如此迭代下去Camshift 是由 Meanshift 推导而来 Meanshift 主要是用在单张影像上， 但是独立一张影像分析对追踪而言并无意义， Camshift 就是利用

11、 MeanShift 的 方法，对影像串列进行分析。(1)首先在影像串列中选择丨区域。(2)计算此区域的颜色 2D 机率分布。(3)用 MeanShift 演算法来收敛欲追踪的区域。(4)集中收敛的区域，并标示之。(5)每个 frame 重复 (3)(4) 。Camshift 关键就在于当目标的大小发生改变的时候，此算法可以自适应调整目 标区域继续跟踪。九、开发难点1. 相关算法 (camshift) 以及数学知识的理解和分析。2. 编程语言 C+基础薄弱，未触过 MFC 程序界面设计。程序的设计，MFC 界面设 计需要大量精力。3.0pe nCV 开源计算机视觉库的熟悉。十、进度安排1 4

12、周，搜集图像处理和计算机视觉相关知识，分析研究，确定课题，查找 相关资料，制定可行性报告。5 6 周，参加可行性评审，虚心听取老师指导意见，并结合老师建议进行相 关方面的完善。78 周，熟悉 OpenC开源计算机视觉库。9 13 周，参加成果实施阶段评审，认真学习C+编程语言。1416 周，学习 MFC 界面设计。17 18 周，成果答辩。卜一、参考文献1. 邵文坤,黄爱民,韦庆，动态场景下的运动目标跟踪方法研究，20062. 杨静宇，一种基于直方图模式的运动目标实时跟踪算法，胡明昊，任明武，2004.33. 蔡荣太.非线性自适应滤波器在电视跟踪中的应用D.北京：中国科学院，2008.4.SO

13、TO D A ， REGAZZONI M C S. Bayesian tracking for video analyticsJ.IEEESignal Processing Magazine，2010，27（5）5.王宇.基于Mea n Shift的序列图像手势跟踪算法J.电视技术，2010, 34（6）6.WU Ying ，FAN JialueCon textualflowC/Proc.2009IEEEIntern ati onalConferenceon Computer Vision ，Miami，FL，USAIEEEPress，20097.NathanFunk ， A Study of

14、 the Kalman Filter applied toVisualTracking ，2010版权申明本文部分内容，包括文字、图片、以及设计等在网上搜集整 理。版权为潘宏亮个人所有This article includes some parts, including text,pictures, and desig n. Copyright is Pan Hon glia ngs pers onal own ership.用户可将本文的内容或服务用于个人学习、研究或欣赏，以及 其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关 法律的规定，不得侵犯本网站及相关权利人的合法权利。除此

15、以 外，将本文任何内容或服务用于其他用途时，须征得本人及相关权利人的书面许可，并支付报酬。Users may use the contents or services of this article for pers onalstudy, research or appreciati on, and other non-commercial or non-profitpurposes, but at the same time, they shall abide by the provisions ofcopyright law and other releva nt laws, and sh

16、all not infringe upon thelegitimate rights of this website and its releva nt obligees. In addition, whenany content or service of this article is used for other purposes, writtenpermission and remun erati on shall be obta ined from the pers onconcerned and the releva nt obligee.转载或引用本文内容必须是以新闻性或资料性公共免费信息为 使用目的的合理、善意引用，不得对本文内容原意进行曲解、修 改，并自负版权等法律责任。Reproducti on or quotatio n of the content of thisar