跟踪目标识别算法的研究

VIP免费
3.0 牛悦 2024-11-19 5 4 2.96MB 62 页 15积分
侵权投诉
第一章 绪论
1
第一章 绪论
目标的识别与跟踪技术是一个对识别精度有较高要求的高科学技术。作为计
算机视觉[1~2]研究的核心课题之一，是一门新兴的技术。它融合了图像处理、模式
识别、人工智能、自动控制以及计算机等许多领域的先进技术。在过去的二十多
年里，目标跟踪与识别一直是一项非常活跃的研究领域。当前以自动目标识别（ATR
Automatic Target Recognition）为关键技术的相关领域是研究的重点和发展方
向。
目标跟踪系统具有隐蔽性、直观性、抗电子干扰性、性价比高等突出优点。
与雷达系统相比，目标跟踪系统为被动式工作系统，工作时不向外辐射无线电波，
不易被敌方的电子侦察装置发现，也不易受到敌方电子干扰装置施放的干扰所影
响，因此隐蔽性好，抗干扰能力强。由于可从监视器上能直接看到目标图像，因
而能方便、直观地辨认目标。目标跟踪系统采用了摄像机、光学系统等比较通用
的器件，在目标探测系统中，探测装置有电视、红外等类型，与雷达系统相比具
有更高的性价比。另外在近距离跟踪方面，视频跟踪系统具有较高的精确性、稳
定性和可靠性。
§1.1 自动目标识别技术概述
自动目标检测、识别是指从通过成像系统进来的图像，自动地提取目标并识
别出来，即通过一系列图像数据实现对目标的获取、识别和跟踪。图像目标的范
围主要是空中目标（如飞机）、地面目标(如坦克)、和海上目标（如军舰）。这三
种图像的研究，由于其在军事领域中的重要意义，近年来一直受到各国政府和军
事科研机构的重视[3]。
自动目标识别系统的主要算法包括图像数据的预处理、图像分割、目标检测、
特征提取、相关匹配、识别和归类、运动分析、目标跟踪、瞄准点选择等[4]。目标
跟踪的目的是要实现这些功能的实时性，并应用于动态战术环境。目前这些算法
的研究，既有基于对以往算法的改进，同时也有致力于新算法的产生，大大推动
了自动目标识别技术的发展。从而在软件上借助算法的改进和新算法的提出，同
时在硬件上借助高速数字信号处理器的开发和换代，使实时条件下实现目标的检
测、提取、识别、跟踪技术不仅成为可能，而且使准确性更高，实时性更强。
跟踪目标识别算法的研究
2
但是目前，自动目标识别技术研究仍存在很大的局限性。对于某些跟踪目标
的研究，当在实验室中进行时可能识别效果很好，但一旦用于实际环境中，由于
许多不可预知的环境条件的影响，例如光照、气候、能见度等，使得图像的识别
变得困难，而不能正确识别。尤其当目标本身变得复杂或是背景结构变得复杂时，
目标的自动识别是非常困难的。例如对于空中目标，天空中的云及光照等条件对
其产生影响时，分割出来的目标往往会产生断续或是目标与背景连续起来；而对
于地面目标，当地形变化，目标所处的自然环境变化时，就往往很难将目标从背
景中分割出来；结果是同一目标具有不同的形状或不同的目标具有相似的形状，
从而使目标失去了本身所具有的结构特点，这样的话，识别跟踪目标所选用的特
征剧烈变化，容易造成识别错误，影响系统的输出。针对各种不同的影响图像质
量的因素，本文以下将会详细讲述减弱其影响的措施，为下一步的图像特征提取
提供更好的图像质量。
§1.2 识别跟踪算法的研究动态
由于目标跟踪的结果蕴含了场景中每个运动目标的大量时空信息，目标跟踪
技术[5~7]自二十世纪六十年代以来，得到了极大的发展，它在军事视觉制导、机器
人视觉导航、安全监测、交通管制、医疗诊断、虚拟现实和参数现实、战场警戒、
视频压缩以及气象分析等许多方面都有广泛应用[8~11]。如军事方面，主要应用电视
跟踪和红外跟踪，具体应用如导弹制导、火炮控制、空间飞行体和靶场测量等。
早期电视和红外跟踪器均采用单一工作模式，必须完全用硬件实现。现在跟踪以
微机为基础，采用图像处理与模式识别技术，利用程序控制实现多种功能。多模
跟踪器已经用于电视和红外成像系统，如美国的坦克破坏者和海尔法等导弹的制
导系统。在这些防空反导火控制系统中，目标跟踪系统都起到了不可替代的作用。
近年来，人工智能被应用到视频跟踪中，有效地提高了系统的自适应能力。民用
方面，如视觉监控，目前通过摄像机监控动态场景，已被广泛地应用在社会生活
的各方面，目标跟踪可应用于社区和重要设施的保安监控，用于智能交通系统中
进行车辆的实时检测和追踪。通过车辆实时监测和追踪，可以得到车流量、车型、
车速、车流密度等等许多有价值的交通流参数，同时还可以检测事故或故障等突
发状况。另外，在电视会议、天文观测，港口管理、医学图像分析、以及远距离
测量等许多领域视频跟踪技术也是大有作为的。
第一章 绪论
3
近年来，国内外设计了用于支持目标跟踪图像处理应用的软、硬件系统，通
过系统接口的简化和编码促进了完全可编程的基于图像的高帧频跟踪器的迅速发
展。国外己达到实用化水平，国内也采用了高速数字处理技术以及目标跟踪测量
技术，实现了母弹解爆后产生的数十个目标的高帧频摄像、实时处理和实时跟踪
显示。
我国目标跟踪技术研究起步于 60 年代末，通过近 40 多年的努力，我国在这
一领域得到了长足发展，许多先进的图像处理与模式识别方法被应用到这个领域，
并研制了一些实际的系统。我国先进成像识别与跟踪技术在智能化程度、通用性、
多目标实时测量、低对比度和复杂图像视频信息处理等方面与国外相比还存在着
较大的差距。在实际的跟踪过程也还存在很多问题，如数据同步、图像模糊、跟
踪台稳定性差等等，由于这些方面的实用信息能从国外获得很少，所以在这一领
域进行深入的研究，对提高我国国防实力，加强民用具有重要意义。运动目标跟
踪系统所面临的环境总是处于比较复杂的动态变化之中，并且不同的跟踪系统所
肩负的任务也各不相同，这样，特定的应用场合和需求就直接决定了各种系统算
法的实现，但是它们的基本原理和关键技术及核心算法是类似的。
§1.3 研究内容
如图 1.1 所示，目标跟踪系统[12]通常包括:图像采集、图像处理、数据通信、
传感器控制与伺服系统等主要部分。
图像采集通过摄像机捕获监视场景的光学图像，采用视频卡和视频检测技术，
并经过 A/D 转换将视频信号转换成数字图像序列，为视频图像处理提供数据。新
型的固体摄像器件 CCD,CMOS 等逐渐成熟，由于其集成度高，空间分辨率高，而且
结构简单，信噪比高，易于与微机连接，价格便宜等因素，在视频摄像机中得到
图 1.1 目标跟踪原理
跟踪目标识别算法的研究
4
广泛应用。摄像头要能够灵活简便地安装在全方位云台上，云台又安装在云台支
架上，所以应采用可电动调节镜头参数的摄像镜头，自主调节镜头变焦和聚焦。
传感器控制系统与伺服系统是对传感器进行反馈控制，在主动视觉系统中，
驱动云台使摄像机跟随被跟踪目标运动。数据通信则是完成视频图像数据的传输
和控制以及反馈信号的通信。
图像处理是运动目标跟踪系统中的核心。图像就是在不同的时刻对运动目标
采样而获得的一个图像序列。图像的分析，就是对图像序列进行处理，从而研究
运动目标的运动规律，或者为系统的决策报警提供语义和非语义的信息支持。图
像处理的关键技术包括图像增强、目标检测提取、目标分类、目标跟踪、运动分
析、事件检测等。图像增强是为了减小噪声影响，增加对比度，突出目标。
目标检测是将背景与前景分割开来，得到语义目标的前景区域。目标检测通
常要涉及到参考图像或背景图像的建模与维护，即将一帧己知场景背景内容的图
像作为参考图像或背景图像，并根据场景背景的变化动态更新维护。对所有变化
区域进行进一步的检测处理，尽量滤除来自天气、光照、阴影和场景背景中摇动
的树木等的噪声，以获取精确的目标区域。对于不同的系统，其分类也是不同的，
如智能交通系统，要区分车辆和非车辆目标，有的系统则只需要识别一种特定的
目标，或者仅仅简单地判断目标是否是先前跟踪的目标。运动目标分类的目的就
是要从运动分割获得的所有运动块中精确地提取与运动目标对应的区域。目标跟
踪就是在目标检测的基础上，计算出目标在每帧图像上的二维位置坐标，根据不
同的特征值，将图像序列中不同帧的同一目标关联起来，并在目标运动过程中对
其进行连续跟踪，从而获得该目标的连续运动轨迹。在图像处理的后期，有时要
进行事件检测与分析，包括兴趣事件的发现和目标行为的分析或理解，它属于高
级计算机理解技术，是第三代视觉监控系统的一个最重要的领域，研究比较困难。
目前的图像处理系统中仅具有很有限的事件分析功能，且方法十分简单，如分析
人是否携带物体、放置物体、交换物体等简单行为。行为理解是指对运动模式进
行分析和识别，并且用自然语言等加以描述。
本文主要研究目标跟踪系统中的图像处理部分，针对跟踪过程中一些影响图
像质量的原因做出相应的判断并加以修复。此外，对目标识别跟踪算法也进行了
深入的研究。
第一章 绪论
5
§1.4 本章小结
主要介绍论文的研究背景、研究动态及其应用的领域，给出了目标跟踪系统
的总体框架，并阐明了论文要解决的问题。
跟踪目标识别算法的研究
6
第二章 图像预处理
§2.1 图像恢复模型[13]
在景物成像过程中，受多种因素的影响，图像质量都会有所下降，这种图像
质量下降的过程称为图像的退化，图像复原是利用退化现象的某种先验知识，建
立退化现象的数学模型，再根据模型进行反向的推演运算，以恢复原来的景物图
像。一幅退化的图像可以近似地用方程
NFHG
表示，其中
G
为图像，
H
为
变形算子，又称为点扩散函数
PSF
,
F
为原始的真实图像，
N
为附加噪声，附加噪
声在图像捕获过程中产生并且使图像质量变坏。图像退化模型如图 2.1 所示。
上面的模型中，
PSF
是一个很重要的因素，
PSF
的值直接影响到恢复后图像
的质量。
NFHG
是频域退化模型，相应的空域退化模型就应该是
。
其中，
G
、
F
和
N
分别是
g
、
f
和
n
的傅里叶变换。
H
,也就是点扩散函数
PSF
，
它是系统冲击响应函数
h
的傅里叶变换。由此可见，图像恢复实际上就是已知
),( yxg
,求
),( yxf
；或者是已知
G
求
F
。因此在进行图像恢复之前，一般应设法求
得完全的或近似的点扩散函数
H
，要想得到
h
,只需对
H
求傅里叶反变换即可。
§2.2 影响图像质量的原因[13]
数字图像的产生、传输和记录过程中不可避免地会带来失真和变质，也就是
前面提到的退化，不同的退化过程对应着不同的点扩散函数，常见退化主要类型
有三类。
图 2.1 图像退化模型
第二章 图像预处理
7
§2.2.1 运动模糊
成像系统和目标之间有相对匀速直线移动造成的图像退化。水平方向线性移
动可以用以下点扩散函数来描述，
else
yanddxif
d
yxh
，
，
0
00
1
),(
式中，d是点扩散函数的程度，即模糊的程度。在实际应用中，如果运动的方
向不在水平方向，则也以类似的定义。
§2.2.2 散焦模糊
几何光学的分析表明，光学系统散焦造成的图像退化相应的点扩散函数是一
个均匀分布的圆形光斑，点扩散函数可以表达为，
else
Ryx
R
yxh
，
，
0
1
),(
222
2
式中，
R是散焦斑半径。这个模型显得过分简化，但去模糊的实践证明了它的
合理性。
§2.2.3 高斯模糊
高斯点扩散函数是许多光学测量系统和成像系统最常见的点扩散函数，对于
这些系统，决定系统点扩散函数的因素比较多，众多因素综合的结果是使点扩散
函数趋于高斯型，典型的系统可以举出光学相机和 CCD 摄像机，
-相机、CT 机、
成像雷达、显微光学系统，等等。高斯点扩散函数可以表达为，
else
CyxifyxK
yxh ，
）（，）（
）（
0
,}exp{
,
22
式中，K是归一化常数，
是一个正常数，C是h(x
，
y)的圆形支持域。
摘要：

第一章绪论1第一章绪论目标的识别与跟踪技术是一个对识别精度有较高要求的高科学技术。作为计算机视觉[1~2]研究的核心课题之一，是一门新兴的技术。它融合了图像处理、模式识别、人工智能、自动控制以及计算机等许多领域的先进技术。在过去的二十多年里，目标跟踪与识别一直是一项非常活跃的研究领域。当前以自动目标识别（ATRAutomaticTargetRecognition）为关键技术的相关领域是研究的重点和发展方向。目标跟踪系统具有隐蔽性、直观性、抗电子干扰性、性价比高等突出优点。与雷达系统相比，目标跟踪系统为被动式工作系统，工作时不向外辐射无线电波，不易被敌方的电子侦察装置发现，也不易受到敌方电子干扰...

展开>> 收起<<
跟踪目标识别算法的研究.pdf

共62页,预览7页

还剩页未读， 继续阅读

相关推荐

更多
立即下载
作者：牛悦 分类：高等教育资料 价格：15积分 属性：62 页 大小：2.96MB 格式：PDF 时间：2024-11-19

开通VIP享超值会员特权

  • 多端同步记录
  • 高速下载文档
  • 免费文档工具
  • 分享文档赚钱
  • 每日登录抽奖
  • 优质衍生服务

作者详情

相关内容

更多

推荐作者

热门标签

/ 62
评分 收藏
分享
立即下载 VIP免费下载
客服
关注