本文摘要：目标追踪技术是机器人视觉领域的一个最重要研究分支，它融合了图像处理、模式识别、人工智能及自动控制等多学科近期研究成果，主要利用视频分析方法对视频输出图像序列展开倒数分析，来构建运动目标的自动检测、定位和追踪，为高层视频对目标的不道德解读和决策获取底层对象和分析依据。 在必须监控的环境里，如何需要辨别出有转入特定区域的目标，并且需要跟踪目标的轨迹。分成两种情况：一是静态背景下的目标追踪；二是动态背景下的目标追踪。

目标追踪技术是机器人视觉领域的一个最重要研究分支，它融合了图像处理、模式识别、人工智能及自动控制等多学科近期研究成果，主要利用视频分析方法对视频输出图像序列展开倒数分析，来构建运动目标的自动检测、定位和追踪，为高层视频对目标的不道德解读和决策获取底层对象和分析依据。　　在必须监控的环境里，如何需要辨别出有转入特定区域的目标，并且需要跟踪目标的轨迹。分成两种情况：一是静态背景下的目标追踪；二是动态背景下的目标追踪。　　一、静态背景下的目标追踪方法　　1、单目标：目标追踪还可以分成单目标的追踪和多目标的追踪。

单目标的静态背景下的目标追踪所指的是摄像头是相同在某一方位，其所仔细观察的视野也是惯性的。一般来说使用背景差分法，即先对背景展开建模，然后从视频流中加载图像（我们称作前景图像），将前景图像与背景图像做到劣，就可以获得转入视野的目标物体。对于目标的叙述，一般来说用目标相连区域的像素数目的多少来传达目标的大小，或者用目标区域的高宽比等。

目标的方位信息可使用投影的方式来定位。　　2、多目标：静态环境下的多目标跟踪，必须确认每个目标的特征，方位，运动方向，速度等信息。　　3、预处理：由于取得的图像总会具有噪声，必须对图像做到一些预处理，如高斯光滑，均值滤波，或者展开一些灰度剪切等图像增强的操作者。　　二、动态背景下的目标追踪　　摄像头在云台掌控下的转动，不会使得他所收集的图像时可在变化，所以，对于整个目标追踪过程来说，背景是变化，目标也是在整个过程中运动的，所以追踪一起较有可玩性。

　　目前课题组明确提出的方案是：追踪过程：在摄像头有所不同偏角情况下获得若干背景图片，创建背景图片库――摄像头维持相同时，获得当前帧图片，与图片库中的背景图像匹配，背景差分(灰度差分？)，取得目标――目标特征提取――动态取得当前帧图片，使用追踪算法动态跟踪目标。　　萃取特征是一个难题，课题组明确提出多颜色空间分析的方法。根据彩色图像在有所不同的颜色空间里密切相关同一物体呈现的同态性，可以把目标物体在有所不同的颜色空间里展开分解成，并将这些关键特征信息展开融合，从而找到判断目标的本质特征。　　追踪过程中使用的各种方法解释：　　1）在0－360度有所不同偏角时，取得背景图片，可展开混合高斯背景建模，创建图片库，以俯仰角和转动角有所不同标志每张背景图片，以待给定用于；　　2）背景差分取得目标后，对差分图像必须展开光滑、去噪等处置，除去阻碍因素；　　3）对目标使用多颜色空间（HSV、YUV）特征提取，对有所不同颜色空间的特征谓之（AND），获得目标特征，以更佳的在当前帧图片中寻找目标；　　4）动态获得的当前帧图片，展开混合高斯建模，回避树叶晃动等引发的背景变化；　　5）追踪算法可使用多子块给定方法、camshift方法等。

　　一般来说目标追踪面对几大难题(吴毅在VALSE的slides)：外观变形，光照变化，较慢运动和运动模糊不清，背景相近阻碍：平面外转动，平面内旋转，尺度变化，遮盖和出有视野等情况：　　目标视觉追踪(VisualObjectTracking)，大家较为普遍认为分成两大类：分解(generative)模型方法和判断(discriminative)模型方法，目前较为风行的是判断类方法，也叫检测追踪tracking-by-detection，为维持问的完整性，以下非常简单讲解。

本文来源：开元0726官网-www.brucemubayiwa.com