大家来碴
几种自动目标跟踪算法的比较研究作者：曹晓丽 李明 邢玉娟 谭萍来源：《硅谷》2013dpl年第alp02煤层注水器
期 民族冲突摘 要：复杂背景目标跟踪是近年来自动目标识别（ATR）领域的一个研究热点，在军事、医疗、安全等多个领域具有广泛的应用前景。ATR的研究内容主要包括目标的检测分类、特征提取和目标定位识别等。本文对当前流行的目标跟踪算法进行了全面的分析比较，最后对目标跟踪算法的进一步研究方向进行了深入的探讨。
东京奥运会必将如期举行关键词：目标跟踪；粒子滤波；自动目标识别
1 引言
目标跟踪（Target Tracking）是近年来计算机视觉领域最活跃的研究方向之一，它包含从目标的图像序列中检测、分类、识别、跟踪并对其行为进行理解和描述，属于图像分析和理解的范畴。从技术角度而言，目标跟踪的研究内容相当丰富，主要涉及到模式识别、图像处理、计算机视觉、人工智能等学科知识；同时，动态场景中运动的快速分割、目标的非刚性运动、目标自遮挡和目标之间互遮挡的处理等问题也为目标跟踪研究带来了一定的挑战。 由于目标跟踪在视频会议、安全监控、军事制导、医疗诊断、高级人机交互及基于内容的图像存储与检索等方面具有广泛的应用前景和潜在的经济价值，从而激发了国内外广大科研工作者浓厚兴趣，尤其在美国、英国等国家已经开展了大量相关项目的研究。
2 目标跟踪算法的比较
视觉目标跟踪是指在视频图像序列的各帧图像中到被跟踪的目标。目标跟踪算法具有不同的分类标准，可根据检测图像序列的性质分为可见光图像跟踪和红外图像跟踪；又可根据运动场景对象分为静止背景目标跟踪和运动背景下的目标跟踪。本文依据被跟踪目标中提取的不同特征来阐述不同的目标跟踪算法。
1）基于区域的目标跟踪算法。基于区域的跟踪的基本思想是通过图像分割或预先人为确定，提取包含着运动目标的运动变化的区域范围作为匹配的目标模板，然后把目标模板与实时图像在所有可能位置上进行叠加，然后计算某种图像相似性度量的相应值，其最大相似性相对应的位置就是目标的位置，Jorge等人提出的区域跟踪算法不仅利用了分割结果来给跟踪提供信息，同时也能利用跟踪所提供的信息改善分割效果，把连续帧的目标匹配起来跟踪目标。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议