OPenCV視頻跟蹤系統(tǒng)設(shè)計方案

1、封面作者：PanHongliang基于 OpenCV 的視頻跟蹤系統(tǒng)設(shè)計開題報告一、課題背景及研究意義目標(biāo)跟蹤是計算機視覺的一個重要分支，日益廣泛應(yīng)用于科學(xué)技術(shù)，國防 安全，航空，醫(yī)藥衛(wèi)生以及國民經(jīng)濟等領(lǐng)域。實現(xiàn)目標(biāo)跟蹤的關(guān)鍵在于完整的 分割目標(biāo)，合理地提取特征和準(zhǔn)確的識別目標(biāo)。同時要考慮到算法實現(xiàn)的時 間，以保證實時性。當(dāng)視頻圖像中被跟蹤的目標(biāo)發(fā)生姿態(tài)變化，存在旋轉(zhuǎn)或部 分遮擋的時候，簡單的灰度模板或者 Hausdorff 距離匹配一般很難達(dá)到實時跟 蹤的目標(biāo)的要求，出現(xiàn)匹配失誤或者跟蹤丟失的情況，而且跟蹤效率低。 正 因如此，對運動目標(biāo)的跟蹤的研究很有意義。二、國內(nèi)外研究現(xiàn)狀和發(fā)展綜述運動

2、目標(biāo)跟蹤在國外取得了一定的研究成果，許多相關(guān)技術(shù)已經(jīng)在國外應(yīng) 用到實際中，但是在國內(nèi)還是相對落后。傳統(tǒng)的視頻跟蹤目標(biāo)提取大致分為兩 類，一類是以空間同性為準(zhǔn)則，先用形態(tài)學(xué)濾波器或者其他濾波器對圖像多預(yù) 處理；然后再對該圖像的亮度，色度和其他信息做空間上的分割以對區(qū)域做邊 緣檢測，但是此類方法運算量較大。另一類算法主要是以時間變化檢測作為準(zhǔn) 則，這類算法主要通過幀差檢測圖像上的變化區(qū)域和不變區(qū)域，將運動物體與 靜態(tài)背景進行分割。此類方法運算量小，但是提取結(jié)果不如前者。三、課題目標(biāo)設(shè)計出一個基于 OpenCV 的實時視頻跟蹤系統(tǒng)四、開發(fā)環(huán)境Windows Xp 系統(tǒng)、Vc+6.0 編譯器、Open

3、CV.O 開源計算機視覺庫僅供個人學(xué)習(xí)五、開發(fā)人員電子與通信工程：王龍 電子與通信工程：陸宗六、預(yù)備知識掌握數(shù)字圖像處理和計算機視覺相關(guān)理論知識精通 C， C+ 編程語言熟悉 Opencv 計算機開源視覺庫精通 MFC 界面設(shè)計I.Ope nCV 簡介OpenC是 Open Source Computer Vision Library的全稱 m 是由 Intel 在1999 年出資建立，現(xiàn)在由 Willow Garage 提供支持。它是一個由一系列 C 函數(shù) 和少量的 C+啖構(gòu)成的基于開源發(fā)行的跨平臺計算機視覺庫。OpenCV 不僅實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法，提供了Pytho

4、n、Ruby、Matlab等語言的接口，而且還擁有了包括300 多個 C/C+函數(shù)的跨平臺的中高層API。除此之外，Ope nCVF 依賴于其它的外部庫，但是可以使用某些外部庫。與目前計算機視覺軟件存在的代碼慢、不穩(wěn)定、與其它庫不兼容、耗費 高、依賴硬件的問題相比，Ope nCV 以實際應(yīng)用為目的，通過優(yōu)化的 C 代碼提高 執(zhí)行速度，而且通過購買高性能多媒體庫得到更快的處理速度，并且對硬件的 獨立性較強。目前，OpenCV 主要應(yīng)用在人臉識別、物體識別、動作識別、人體識別、圖 像分割、人機互動、運動跟蹤等領(lǐng)域。2.MFC 簡介MFC 是一個大型的基礎(chǔ)類庫，它所包含的C+類涵蓋了應(yīng)用程序設(shè)計的方

5、方面面。它將大量的 Windows API 函數(shù)封裝起來，建立了一些更友好的與用戶交互函數(shù)，在很大程度上屏蔽了Windows 應(yīng)用程序設(shè)計的復(fù)雜性。MFC 的文檔視圖結(jié)構(gòu)更是將數(shù)據(jù)處理與數(shù)據(jù)顯示完美地區(qū)分開來，使得用戶在程序設(shè)計時思 路更加清晰，也使程序的結(jié)構(gòu)更加明了易懂。Visual C+是一種支持 MFC 應(yīng)用程序設(shè)計的、較好的工具，作為一種基礎(chǔ) 開發(fā)環(huán)境，它提供了 MFC 應(yīng)用程序向?qū)В詭椭脩艚?yīng)用程序的基本框 架。用戶只需要在框架的基礎(chǔ)上加入自己特定的代碼即可實現(xiàn)預(yù)定功能 .七、常見視頻跟蹤算法介紹與分析1. 基于對比度分析的方法1.1 算法思想：利用目標(biāo)與背景在對比度上的差異來

6、提取、識別和跟蹤目標(biāo)。1.2 分類：邊緣跟蹤，型心跟蹤，質(zhì)心跟蹤。1.3 優(yōu)缺點：不適合復(fù)雜背景中的目標(biāo)跟蹤，但在空中背景下目標(biāo)跟蹤非常有效。2. 基于特征匹配的目標(biāo)跟蹤算法2.1 算法思想：該需要提取目標(biāo)的特征，并在每一幀中尋找該特征。尋找的過 程就是特征匹配過程。2.2 目標(biāo)跟蹤中用到的特征主要有幾何形狀、子空間特征、外形輪廓和特征點 等。其中，特征點是匹配算法中常用的特征。2.3 優(yōu)缺點：特征點一般是稀疏的，攜帶的信息較少，可以通過集成前幾幀的 信息進行補償。目標(biāo)在運動過程中，其特征（如姿態(tài)、幾何形狀、灰度或顏色 分布等）也隨之變化。目標(biāo)特征的變化具有隨機性，這種隨機變化可以采用統(tǒng) 計數(shù)

7、學(xué)的方法來描述。直方圖是圖像處理中天然的統(tǒng)計量，因此彩色和邊緣方 向直方圖在跟蹤算法中被廣泛采用。3. 基于運動檢測的目標(biāo)跟蹤算法3.1 基本思想：通過檢測序列圖像中目標(biāo)和背景的不同運動來發(fā)現(xiàn)目標(biāo)區(qū)域， 實現(xiàn)跟蹤。3.2 光流法：光流算法是基于運動檢測的目標(biāo)跟蹤的代表性算法。光流是空間 運動物體在成像面上的像素運動的瞬時速度，光流矢量是圖像平面坐標(biāo)點上的 灰度瞬時變化率。光流的計算利用圖像序列中的像素灰度分布的時域變化和相 關(guān)性來確定各自像素位置的運動， 研究圖像灰度在時間上的變化與景象中物體 結(jié)構(gòu)及其運動的關(guān)系。將二維速度場與灰度相聯(lián)系，引入光流約束方程，得到 光流計算的基本算法。3.3 優(yōu)

8、缺點：光流場的方法能夠很好的用于二維運動估計，它也可以同時給出 全局點的運動估計，但其本身還存在著一些問題：需要多次迭代，運算速度 慢，不利于實時應(yīng)用。4. 核方法4.1 算法思想：對相似度概率密度函數(shù)或后驗概率密度函數(shù)采用直接連續(xù)估 計。4.2 Mean shift ：均值偏移法。采用彩色直方圖作為匹配特征。 Mean Shift 跟蹤算法反復(fù)不斷地把數(shù)據(jù)點朝向 MeanShift 矢量方向進行移動，最終收斂到 某個概率密度函數(shù)的極值點。在 Mean Shift 跟蹤算法中，相似度函數(shù)用于刻 畫目標(biāo)模板和候選 區(qū) 域所對 應(yīng) 的兩個 核函數(shù)直方 圖的相 似性，采用 的是 Bhattachar

9、yya 系數(shù)。因此，這種方法將跟蹤問題轉(zhuǎn)化為Mean Shift 模式匹配問題。核函數(shù)是 Mean Shift 算法的核心， 可以通過尺度空間差的局部最大 化來選擇核尺度，若采用高斯差分計算尺度空間差，則得到高斯差分 Mean Shift 算法。4.3 優(yōu)缺點： Mean Shift 算法假設(shè)特征直方圖足夠確定目標(biāo)的位置，并且足夠 穩(wěn)健，對其他運動不敏感。該方法可以避免目標(biāo)形狀、外觀或運動的復(fù)雜建 模，建立相似度的統(tǒng)計測量和連續(xù)優(yōu)化之間的聯(lián)系。但是， Mean Shift 算法不 能用于旋轉(zhuǎn)和尺度運動的估計。為克服以上問題，人們提出了許多改進算法。八 算法的確定基于以上分析， 我們選擇以核心方

10、法 mean shift 為基礎(chǔ)的改進算法 camshift 稱 為連 續(xù)自 適 應(yīng)的 MeanShift 算 法， CamShift 算法 的全 稱是 Continuously AdaptiveMean-SHIFT ，它的基本思想是視頻圖像的所有幀作 MeanShift 運算，并將上一幀的結(jié)果（即 Search Window 的中心和大?。┳鳛橄乱粠?MeanShift 算法的 Search Window 的初始值，如此迭代下去Camshift 是由 Meanshift 推導(dǎo)而來 Meanshift 主要是用在單張影像上， 但是獨立一張影像分析對追蹤而言并無意義， Camshift 就是利用

11、 MeanShift 的 方法，對影像串列進行分析。(1)首先在影像串列中選擇丨區(qū)域。(2)計算此區(qū)域的顏色 2D 機率分布。(3)用 MeanShift 演算法來收斂欲追蹤的區(qū)域。(4)集中收斂的區(qū)域，并標(biāo)示之。(5)每個 frame 重復(fù) (3)(4) 。Camshift 關(guān)鍵就在于當(dāng)目標(biāo)的大小發(fā)生改變的時候，此算法可以自適應(yīng)調(diào)整目 標(biāo)區(qū)域繼續(xù)跟蹤。九、開發(fā)難點1. 相關(guān)算法 (camshift) 以及數(shù)學(xué)知識的理解和分析。2. 編程語言 C+基礎(chǔ)薄弱，未觸過 MFC 程序界面設(shè)計。程序的設(shè)計，MFC 界面設(shè) 計需要大量精力。3.0pe nCV 開源計算機視覺庫的熟悉。十、進度安排1 4

12、周，搜集圖像處理和計算機視覺相關(guān)知識，分析研究，確定課題，查找 相關(guān)資料，制定可行性報告。5 6 周，參加可行性評審，虛心聽取老師指導(dǎo)意見，并結(jié)合老師建議進行相 關(guān)方面的完善。78 周，熟悉 OpenC開源計算機視覺庫。9 13 周，參加成果實施階段評審，認(rèn)真學(xué)習(xí)C+編程語言。1416 周，學(xué)習(xí) MFC 界面設(shè)計。17 18 周，成果答辯。卜一、參考文獻(xiàn)1. 邵文坤,黃愛民,韋慶，動態(tài)場景下的運動目標(biāo)跟蹤方法研究，20062. 楊靜宇，一種基于直方圖模式的運動目標(biāo)實時跟蹤算法，胡明昊，任明武，2004.33. 蔡榮太.非線性自適應(yīng)濾波器在電視跟蹤中的應(yīng)用D.北京：中國科學(xué)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的序列圖像手勢跟蹤算法J.電視技術(shù)，2010, 34（6）6.WU Ying ，F(xiàn)AN JialueCon textualflowC/Proc.2009IEEEIntern ati onalConferenceon Computer Vision ，Miami，F(xiàn)L，USAIEEEPress，20097.NathanFunk ， A Study of

14、 the Kalman Filter applied toVisualTracking ，2010版權(quán)申明本文部分內(nèi)容，包括文字、圖片、以及設(shè)計等在網(wǎng)上搜集整 理。版權(quán)為潘宏亮個人所有This article includes some parts, including text,pictures, and desig n. Copyright is Pan Hon glia ngs pers onal own ership.用戶可將本文的內(nèi)容或服務(wù)用于個人學(xué)習(xí)、研究或欣賞，以及 其他非商業(yè)性或非盈利性用途，但同時應(yīng)遵守著作權(quán)法及其他相關(guān) 法律的規(guī)定，不得侵犯本網(wǎng)站及相關(guān)權(quán)利人的合法權(quán)利。除此

15、以 外，將本文任何內(nèi)容或服務(wù)用于其他用途時，須征得本人及相關(guān)權(quán)利人的書面許可，并支付報酬。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.轉(zhuǎn)載或引用本文內(nèi)容必須是以新聞性或資料性公共免費信息為 使用目的的合理、善意引用，不得對本文內(nèi)容原意進行曲解、修 改，并自負(fù)版權(quán)等法律責(zé)任。Reproducti on or quotatio n of the content of thisar