复杂背景下运动目标跟踪的算法研究

摘要：在进行背景非常复杂的情况对于移动目标进行监控并进行跟踪的算法研究已经取得了突破性的进展，那么人的眼睛对于自己所处的环境能够进行感觉和捕捉作用，尤其是对于大量运动物体的移动能够提取相关的信息输入进大脑，然后进行综合计算得到有用的信息。并且能够捕捉到有用的信息以后进行下一步移动物体的预算处理。这也是本文主要研究的对于移动目标物体在复杂背景下进行移动预测研究算法的主要目的。

关键词：移动目标；跟踪算法；算法原理

伴随着现代技术信息的高速发展，计算机技术的大量运用在通信行业中，并且这些技术被大量的运用到图像成像技术中，这些技术也使得计算机图像处理技术变得越来越先进。那么在计算机图像处理中对于移动目标的检测与跟踪是其最为重要和主要方向研究的核心技术之一，计算机图像处理技术大量的融合了很多先进的技术其中就包括有图像处理以及目标识别、人工智能判断以及自动智能控制等多种技术学科进行相互交织的领域进行的技术研究，这一技术手段被大量的运用到了社会中各个方面其中就包含有军事领域的研究或者是航空行业以及其它的视频监控领域等，在这些研究领域中对于移动目标在复杂背景下的跟踪研究取得了很大的研究成果和重要的实际意义。

现在最为流行的无疑是双帧和三帧以及背景差分和光流算法这几种，这几种方法不是彼此之间相互独立的，而是可以相互之间进行变换和融合的。所谓的移动目标跟踪就是要创建一个以移动目标为对象的实时移动的数据模型来进行实时的跟踪计算。采用一种好的算法能够很大程度上保证最后得到的移动目标的计算跟踪结果更加精确和精准。这一算法将在以后的时间中一样被人们所热爱和研究，因为这些算法还有很大的提升空间来进行改进和创新。

1 运动目标跟踪的原理

运动目标跟踪是根据每一个移动的物体在每一个画面像素之间的序列位置来进行的移动目标的跟踪计算处理分析。那么随着社会科学技术的进步，对于这一方法出现了很多种的方法来❥进行移动目标的跟踪计算分析处理。那么主要的就是有下面的几种来进行我们的移动目标的跟踪计算分析结果处理。本文主要列举了几个简单具有明显特征的方法来进行移动目标跟踪信息的分析与计算处理。

1.1针对区域的跟踪

针对于某一个区域进行的移动目标的跟踪计算分析的主要中心思想是：首先把得到的捕捉的图像进行加工分割处理划分为一个个包含有有用信息的一些压缩包的模式板块，然后设定一个标准的量来进行模块的选取，在原油的图像目标中进行有用信息的收集处理。那么因为开始在进行额分割处理以后的一些小的模块中含有大量的完整的信息，所以在移动目标能够看见前，这一方法能够达到很高的精确度来进行移动目标的跟踪和计算分析。并且具有跟踪性能十分稳定等特点。但是主要缺点还是过于耗费时间，尤其是在一些较大的区域进行这种方法时，耗费的时间一般都较长。所以这一方法在进行区域性搜索时一般是运用于区域性较小的地方，或者是阴暗对比较差的区域来进行的。

针对于某一个特征的跟踪计算分析处理的中心思想是：首先对于一个目标的某一个局部特点进行提取记录，然后再用计算机配对法里斯进行图像信息的对比，最后达到跟踪移动目标的目的。这一方法主要的优点就是即使被捕捉的目标某一个地方被掩盖，也能够通过局部特征法来进行跟踪分析计算，从而达到跟踪目标的目的。那么这一方法一般是和卡尔曼滤波器相互进行使用，这样能够达到最好的效果，所以这一目标一般常用的场所就是在一些较为复杂的背景下进行目标的跟踪。

1.3针对于活动轮廓的跟踪

针对于活动轮廓的目标跟踪的中心思想是：运用了曲线的封闭性能来进行的移动目标的跟踪计算和分析。主要是依靠了目标特征和数学计算来进行的曲线函数的数学运用更新，达到目标跟踪的目的。这一方法自从被发明出来以后，就被大家广泛的应用到目标搜索中去，因为它具有减少清晰敏感度的优点，并且能够在移动目标被物体所压盖以后还能够自动的进行目标对象的跟踪处理。但是这一方法主要的缺点也是受开始输入数据和噪音系数的✎影响较大。

1.4针对于模型的跟踪

针对于模型的跟踪方法的主要的中心思想是：首先由一定的数据库来进行目标数据的建模处理，然后再经过匹配计算达到跟踪目标的目的，并且能够自动的进行数据模型库的实时更新。从而得到较为完整的具有鲜明特点的数据结构据。但是背景差分法最大的缺点就是对于环境的要求太高，尤其是光的敏感度的干扰特别严。从而更好的确定目标的信息帧数，达到更为清晰的画面的展示。帧数之间的差分法对于背景为移动画面时的移动目标的画面捕捉是最为适合的，因为帧数差分法对于移动的物体更加的敏感，或者说这一方法只适合运用到移动的物体间。人工智能判断以及自动智能控制等多种技术学科进行相互交织的领域进行的技术研究，这一技术手段被大量的运用到了社会中各个方面其中就包含有军事领域的研究或者是航空行业以及其它的视频监控领域等，在这些研究领域中对于移动目标在复杂背景下的跟踪研究取得了很大的研究成果和重要的实际意义。尤其是对于大量运动物体的移动能够提取相关的信息输入进大脑，然后进行综合计算得到有用的信息。并且能够捕捉到有用的信息以后进行下一步移动物体的预算处理。

2 运动目标检测算法分析

从复杂的背景情况中进行移动目标图像信息的获取就是我们的移动目标跟踪技术。主要分别在于摄像机和我们的移动目标之间的动静关系的确定，其中分为两种，第一种是在背景为静态时移动目标信息的获取和第二种移动背景下移动目标信息的获取。第一种就是指我们的摄像机不产生移动，在整个的拍½摄过程中保持静止的状态来进行拍摄。第二种就是我们的摄像机在拍摄时发生了平移或者是旋转等方向的移动而进行的拍摄。

2.1 背景差分法 这一方法是目前为止在进行这一移动目标信息获取方面最为人们所常用的一种方法，这一背景差分法中心思想ป就是在得到了一个收集了的数据背景模型以后，将现有的帧数和背景模块中的帧数进行减法运算得到一个差值，那么这一差值的结果如果大于一定的标准就可以知道这一信息为移动目标的信息，如果没有大于这一标准就可以判定这一信息为我们的背景模型中的数据。利用背景差分法能够有效的进行移动目标信息的判别，从而得到较为完整的具有鲜明特点的数据结构据。

但是背景差分法最大的确定就是对于环境的要求太高，尤其是光的敏感度的干扰特别严。那么针对于这一情况我们的技术人员最主要的方法就是创造出不同的背景模型来进行移动目标的跟踪计算，这样能够最大限度的减小因为环境因素的影响从而产生的对移动目标跟踪计算出现的失误等现象。对移动目标的跟踪计算至关重要的就是对于背景模型的创立和模式选取以及背景阴影的摒弃，将在很大程度上对整个的移动目标跟踪计算的结果造成关键性的影响。这一方法对于仪器设备的要求不是太高，能够简单的实现，除了要在固定不移动的背景下进行捕捉以外，其余的性能都很好，能够做到快速的进行移动目标信息的获取，从而能够精确的进行信息的取缔。但是这一方法最大的缺陷就是对于环境的要求很苛刻，容易受到光线强弱变化的影响，而这一影响将给整个计算带来严重的偏差。

图1 背景差分法算法流程

2.2 帧间差分法

这一方法主要就死利用三三两两相互靠近的帧数在连续像素中的变化，利用时间差值来进行的时间差值分化从而进行的移动目标的信息帧数获取。这一方法对于移动的帧数具有相当强硬的适应性，但是帧数差分法主要的缺陷就是不能够提出所有的移动目标的关键性像素，从而导致最后的呈像会出现一些空洞的现象。那么针对于这一重大的缺点我们的技术人员就运用了我们的对称帧数差分法来进行缺陷的修补。

这一方法主要就是在进行获取了的图像帧数中针对于每三帧数的图像信息来进行的对称差分法的修补，对称☣差分法主要就是运用了从上一帧数的图像信息中进行模块的切割来进行的移动目标的帧数范围的确定，这样能够得到一个较为清晰的移动目标帧数的移动范围，从而更好的确定目标的信息帧数，达到更为清晰的画面的展示。帧数之间的差分法对于背景为移动画面时的移动目标的画面捕捉是最为适合的，因为帧数差分法对于移动的物体更加的敏感，或者说这一方法只适合运用到移动的物体间。其实，帧数间差分法捕捉的主要就是相对来说是移动的物体，从而造成了捕捉到的两个画面之间的时间值很短，所以就会不容易受到外界光照等因素的影响。这也是帧数间差分法和上一方法之间最大的区别之一，帧数间差分法具有简单有效并且不容易受到外界的影响，具有效果稳定，反应速度快等特点。

2.3光流法

这一方法能够充分的用捕捉到的图像信息来进行移动目标信息的获取。运动场能就是移动在空间力矩中的表示，那么要在一个平面上表现物体的移动就是通过平面中的阴暗对比色调来进行移动物体的展示的。最后就会使得整个的运动场在画面上进行展示，这种现象我们称之为光流现象。那么光流就是指一瞬间产生的运动力场而变现的现象，其中就有一些基本的移动物体的很多信息。那么针对于光流现象我们就采用了时间变化而变化的光速效应，因为光速流中包含有大量的信息可以进行有效的利用。在理想状态下可以进行移动目标的测量，并且可以不用其余的参照物来进行参照对比。能够做到最大限度的得到移动物体的移动信息，可以运用进行背景动态运转时对于移动目标物体的跟踪计算测量。

但是这一方法主要的缺点就是对于仪器设备的要求很高，不能够第一时间的进行分析计算处理。对称差分法主要就是运用了从上一帧数的图像信息中进行模块的切割来进行的移动目标的帧数范围的确定，这样能够得到一个较为清晰的移动目标帧数的移动范围，从而更好的确定目标的信息帧数，达到更为清晰的画面的展示。帧数之间的差分法对于背景为移动画面时的移动目标的画面捕捉是最为适合的，因为帧数差分法对于移动的物体更加的敏感，或者说这一方法只适合运用到移动的物体间。

3 结束语

跟踪目标的算法现在已经有很多种，每一种的类型和方式都是不一样的，但是这些算法无一例外都是只能够针对于某一种情况或者是多种情况来进行移动目标的跟踪计算分析处理，并不能够做到所有的环境都使用一种算法的理想状态，所以这也是以后要研究和解决的地方。现在最为流行的无疑是双帧和三帧以及背景差分和光流算法这几种，这几种方法不是彼此之间相互独立的，而是可以相互之间进行变换和融合的。所谓的移动目标跟踪就是要创建一个以移动目标为对象的实时移动的数据模型来进行实时的跟踪计算。其实，帧数间差分法捕捉的主要就是相对来说是移动的物体，从而造成了捕捉到的两个画面之间的时间值很短，所以就会不容易受到外界光照等因素的影响。这也是帧数间差分法和上一方法之间最大的区别之一，帧数间差分法具有简单有效并且不容易受到外界的影响，具有效果稳定，反应速度快等特点。采用一种好的算法能够很大程度上保证最后得到的移动目标的计算跟踪结果更加精确和精准。这一算法将在以后的时间中一样被人们所热爱和研究，因为这些算法还有很大的提升空间来进行改进和创新。

参考文献：

[2] 陆军，李凤玲，姜迈. 摄像机运动下的动态目标检测与跟踪[J].哈尔滨工程大学学报，2008（8）.

[3] 程建，杨杰. 一种基于均值移位的红外目标跟踪新方法[J].红外与毫米波学报，2005（3）.