动态视频目标跟踪技术及方法分析

（一）运动目标跟踪

目标跟踪，就是在一段序列图像的每帧图像中找到感兴趣的运动目标所处的位置。运动目标跟踪的难点在于如何快速而可靠地从一帧图像中匹配目标。只有快速的算法才能保证图像的实时性，跟踪才能很好地进行下去，而可靠性也是跟踪最基本的要求。在过去几年中，已经出现了多种不同的目标跟踪算法。在视频监控中运动目标跟踪不但可以提供被监视目标的运动轨迹，也为进行场景中运动目标的运动分析和场景分析提供了可靠的数据来源，同时运动目标的跟踪信息也为运动目标的正确检测以及识别提供了帮助。

动态视频目标跟踪是指结合物体的外表和运动特性，实现对不同形状、颜色、不同背景的目标进行识别的技术。

1.目标跟踪特征

特征提取是目标跟踪的一个重要环节，根据所研究的对象和对象所处的环境选择适合的目标特征也是一个关键步骤。

一般在目标跟踪中被选择用于匹配的特征往往是那些与物理运动关系密切的特征，如位置、大小以及目标的形状和颜色等。在对复杂目标跟踪时，如对人或人的某个部分的跟踪，由于人或人的某个部分是非刚体目标，人的运动形状和姿态随时都可能发生变化，所以联合多种特征进行目标跟踪是一种很直接，也很有效的方法。

（1）颜色特征的提取

颜色是描述图像内容的一个重要特征，颜色往往和图像中所包含的物体或场景十分相关。此外，与其他的特征相比，颜色特征对目标本身的尺寸、方向、视角的依赖性较小，从而具有较高的鲁棒性。

颜色特征可以是各种颜色的比例分布以及颜色的空间分布等。目前，大都采用颜色比例分布作为颜色基本特征，这方面算法的研究，也多以此为基点，这就是颜色直方图法。具体做法是在确定颜色空间的基础上，统计每种颜色分量的像素数占总像素数的比例，得到各种颜色分量的比例分布——直方图，最后把直方图作为颜色特征。

颜色直方图，它所描述的是不同色彩在整个区域中所占的比例，而并不关心每种色彩所处的空间位置。由于颜色直方图具有尺度，旋转不变形，因此被广泛应用。但是，从直方图法的原理可以明显看出，以直方图作为颜色特征，仅仅表示了各种颜色的统计分布，而没有包含任何颜色的空间分布信息。颜色空间分布明显不同的图像可以具有相同的直方图，这不符合人的视觉感应。因此，仅以直方图来特征颜色特征是不够的，还应该加进颜色的空间分布信息，而如何表征颜色的空间分布信息，一直是计算机视觉中的难点。

（2）形状特征的提取

物体和区域的形状是图像表达中的另一个重要特征。形状常和目标联系在一起，所以形状特征可以看做是比颜色要高层的特征。形状特征的表达必须是以图像中物体或区域的分割为基础的。由于人们对物体形状的变换、旋转和缩放主观上不太敏感，合适的形状特征必须满足对变换、旋转和缩放无关。通常来说，形状特征有两种表示方法，一种是轮廓特征，一种是区域特征。前者只用到物体的外边界，而后者而关系到整个形状区域。这两类形状特征最典型的描述方法是形状不变矩。

2.目标跟踪方法

运动目标跟踪是确定同一物体在图像序列的不同帧中的位置的过程。目前目标跟踪方法主要有四类：基于区域的跟踪、基于特征的跟踪、基于活动轮廓的跟踪和基于模型的跟踪。在运动目标跟踪中主要的工作就是选择好的目标特征和采用实用的搜索算法。

这四种跟踪方法对比见表8-10。

表8-10 目标跟踪方法对比表

(www.xing528.com)

（续）

3.目标跟踪步骤

一般的目标跟踪系统由以下五个步骤组成：初始化参数、搜索目标、捕获目标、预测目标和记忆目标。几个步骤协同作业，完成跟踪过程。

初始化参数：初始化系统的工作参数。

搜索目标：系统根据某种跟踪算法，确定搜索区域以及搜索路径。

捕获目标：在确定的搜索区域中按照搜索路径进行搜索，并进行特征匹配，确定目标。

预测目标：由所积累的目标运动信息，预测下一帧的搜索区域。

记忆目标：这一步是为了解决遮挡问题而采用的辅助策略。

其各个步骤的协同关系如图8-27所示。

图8-27 目标跟踪系统协作示意图

1）特征匹配。特征匹配是在检测所得到的前景目标和被跟踪的运动目标之间进行特征相似程度（距离）的判断。如何用数值来有效地表示对象在颜色上的相似程度，这便是相似度量问题。

特征大都可以表示成向量的形式，常用的相似度方法都是向量空间模型，即将视觉特征看做是向量空间中的点，通过计算两个点之间的接近程度来衡量特征间的相似度。在模式识别技术中，特征的相似度量均采用距离法，即特征的相似程度用特征向量的空间距离来表示，常用的如欧式距离、马氏距离等。

2）目标搜索。在跟踪前，对视频的初始几帧提取出来的感兴趣的目标，采用区域生长方式建立目标的颜色空间分布模型。由目标的初始像素点开始，将所有像素合并到两个大的区域中，得到两个颜色区域对象，并建立颜色区域特征向量，进入跟踪状态。

3）预测目标。跟踪的目的是建立图像序列中每帧间运动者之间某些特征的联系，这样在跟踪多个运动区域时才不至于将各个运动者相混淆。运动者最明显的运动特征就是每帧中出现的位置，利用卡尔曼滤波器进行的跟踪就是通过预测下一帧中运动者可能出现的位置来实现运动目标的匹配。运动检测与分析部分得到的属于人体的运动区域形状是不规则的，而且在每帧中都在变化。要实现跟踪，就要确定运动区域中表示人体位置的特征点。