结果报告基于视频的复杂背景多目标跟踪

1、i 初稿基于的复杂背景多目标信息科学技术学院100001029410000102581. 目的运动目标的目的就是对中的图象序列进行分析，计算出目标在每帧图象上的位置。这里要根据区域分割过程给出的目标质心位置，计算出目标位移，并且根据质心位置的变化判断出目标的运动方向。因为该上的对应区域。是对多目标的追踪，需要找出运动目标在相邻帧2.难点1）前景检测,前景检测是寻找运动目标的基础。前景检测完善的情况下可以解决很多不必要。2）如何判断运动目标区域是否是新的目标进入观测窗口。3）运动目标是否离开了观测窗口以及离开的方向；即计数器何时加 1、是否加 1。4）对过程中出现的一些偏差和问题，要进行必要的修

2、正。*5）运动估计（在原有信息的基础上估计下一次鱼的位置）：比较前沿的有 kalman 滤波（由于速度太慢在原有程序上删除）有一个 DEMO 用来较慢。COS 函数。 效果还可以，速度比3. 概述1）前景检测：第一步是将前景目标所在的区域从背景中分割提取出来，即完成前景和背景的分离。这一步一般有三种实现方法：背景消减、帧间运动分析和光流计算。帧间运动分析的结果精度不高，难以获得目标所在区域的精确描述；光流计算的复杂度则非常高，运行起来十分慢。背景消减较为实用但要求机固定。它为背景建立背景模型，通过将当前图像帧和背景模型进行比较，确定出亮度变化较大的区域，即认为是前景区域。这种方法的计算速度很快

3、，可以获得关于运动目标区域的完整精确的描述，但对场景中光照条件、大面积运动和噪声比较敏感，再进行背景模型的动态更新，以适应环境的变化。2）运动物体分割：要一个目标，须把前景中的目标连接起来，程序中用的是最简单的floodfill;有色标的鱼会很麻烦，因为色标会把鱼风隔成多块，导致处理起来十分麻烦；数据中的噪声对块的影响是性的。这一步可以通过形态算实现，利用腐蚀和膨胀方法分别去除孤立的噪声前景点和填补目标区域的小孔。但这种处理也会影响目标原本的边缘和形状，特别是目标本身尺度较小的时候，它的边缘细节很容易为这种去噪处理所破坏。如图发现被腐蚀的中出现的点必然是比较关心的大的点。这样以腐蚀图中的点作为

4、搜索的起点在对膨胀图进行搜索就可以把运动物体分割出来。3）目标判断的依据是：帧与帧之间如何将运动目标对应起来。追踪过程中的追踪特征是物体的质心，这里判断对应目标可以：a.只利用质心间的最短距离做为特征;b.利用系数将最短距离，运动目标区域的长度，宽度以及长宽比和面积等综合起来作为特征。（实现难度较大机器鱼姿态变化大）c 具体实现方法。对于每个监测到的目标，判断它与之前所保存的目标的质心位置间的距离，如果小于可以接受的范围则认为他们是同一条鱼。如果无法匹配，就认为是新目标。这种方法并不是精确的，但是调整参数可以使误差达到可以接受的范围。4）根据判断特征设置目标，另外将每个目标的质心位置运动曲线做

5、基础。每个被目标的质心位置，为下步判断提供条件。起来，可以随时掌握目标的运动情况，为以后要输出目标的5）在两个物体相遇与分离时候的处理：两条鱼相遇的时候算块的时候就连在了一起这时候怎么办呢。可以跟据之前两条鱼的运动方向来判断他们后来应该有的方向然后在发现的比快之间 判断两个小的块的位置。原先程序是在这里加上了 kalman 对运动估较大的计。速度过慢遭到放弃。深蓝色的框是在鱼没有碰到一起时候定位的目标、蓝色框为发现大的块时所框出的一个信息框。红色是通过原来物体的判断之后所实现的分割。由于运动估计函数的不够完善 当两条鱼帖在一起游了一段距离，就会出现错误。而且这个错误的概率大于出现正解的概率。通

6、过 kalman 滤波的方法可以在目标移动 50 像素范围内误差很小。效果很好。组的第 2 种方案是针对色标特征辨别鱼的信息。压缩包里给出了通过色标特征识别机器鱼及水球位置的。概述1） 首先将转换成 hsv 颜色空间 （由于 hsv 空间对光照和阴影的影响有较好的表现）。通过实验获得各种颜色的阀值 对面的判断。由于每条鱼身上有两种颜色，多值化。便可以很容易的提取出鱼的位置方便下便可以根据这两种颜色来判断鱼的。应用到比赛中这个方法显然是最好的。难点这个方法的难点在于颜色阀值的选取。鱼在翻滚时色标面积会减小导致无法识别以及多目标颜色撞衫的情况的考虑,另外由于水球也是红色的，当机器鱼的红色标和水球撞在一起后需要做一定处理。结果分析第法更加适用于监视头，监视可以物体，或者是交通中车流量和估计，交通的考虑；第二种方法比较适合于再有特定特征的情况下例如机器鱼比赛，优点是速度快可以有两种方法结合的考虑：的时间来行动