1．目的及意义

随着科学技术的快速发展，关于视频序列的运动目标检测与跟踪技术一直是计算机研究的前沿领域，他是各学科知识的融合体，主要体现在图像处理、模式识别以及计算机视觉等学科。运动目标检测与跟踪主要是对视频场景中客观存在的运动目标及其运动行为进行描述、感知、识别和预测，并在此基础上根据不同需要进行快速准确的决策和响应。

运动目标检测与跟踪技术在很多领域都有广泛的应用，它在人们的生活的方方面面扮演着重要的作用。从功能上来说，它可用于海陆交通调度指挥、信息的获取以及安全的防范等方面，还可提供远程教育、医疗实时监护、公共场所防范等服务。从应用上看，它渗透在各行各业，比如交通流量的监控、高速公路收费系统、交通违章查处等远程监控；公检法部门的街道监控系统、法院庭审场所的监控、娱乐场所的监控；档案机密室、金融机构场所等区域的实时监控和报警；办公室、公共场所、车站等场所的无人监控；工厂生产车间里流水线的检测与控制等。

伴随着科学技术与国民经济的快速发展，我国水上交通运输业正朝着高速化方向发展，江河、海上的船舶和桥梁的数量年年增加，使得水上交通十分繁忙。近年来，船船相撞，船桥相撞和船舶触礁的事故发生频率越来越高，船舶航行的危险系数不断提高同时还造成了大量人员伤亡以及财产损失，也带来了一定的生态环境问题。为了尽可能减少事故发生造成的损失，人们越来越关注船舶相撞这个领域的研究。基于均值漂移的水面运动目标跟踪研究就是要实现复杂水面背景下的水面目标跟踪定位，这对海上交通调度、避免交通事故等方面具有经济价值和重要的现实意义。这样便能在事故发生之前，对不正常的航行状态进行预警，提醒正在航行的船舶及时修正航行方向。所以，需要设计一个先进的系统来描述水上船舶行驶的轨迹，实现对水上运动船舶的有效调度。

近年来，研究人员提出了很多目标跟踪算法，如基于特征的跟踪，基于区域的跟踪和基于变形模型的跟踪等。其中均值漂移（Mean Shift）算法是一种基于密度梯度上升的非参数方法。其计算量小，适合于实时跟踪场合。粒子滤波（Particle Filter）为解决非高斯、非线性系统的目标跟踪提供了有效的手段。光流法是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。还有一些算法如帧间差分法，背景差分法以及一些基于神经网络的算法等。

邹青志等提出了一种基于均值漂移的快速运动目标检测方法，该方法结合帧差法并融合背景信息来快速检测运动目标。Yoo-Joo等为了减少背景杂波干扰对均值漂移目标跟踪的影响，提出了一种新的指标函数生成方法。Irene等提出了一种均值漂移和粒子卡尔曼滤波相结合的跟踪算法。黄金海提出背景帧间差分算法对视频中移动的行人进行目标跟踪。李成美等针对精确制导武器末制导过程中动态背景情况下难以有效检测出运动目标的问题,提出了一种改进光流法的运动目标检测方法,并设计了相关跟踪算法。Rasheed等提出了一种基于光流法和神经网络的模型，该模型可以正确识别处于正常或混沌运动中的目标。Nassira等提出了一种自适应神经网络跟踪控制器。李康等提出了一种基于卷积神经网络的目标跟踪算法。以上算法都是近些年提出的目标跟踪常用的算法，它们都是各有优缺点，通常会采取几种算法结合的方法以达到更好的效果。

{title}

2. 研究的基本内容与方案

{title}

基本内容：在初始帧中，采用水面的色彩统计特性以及运动特性，设计一种稳定的目标提取方法，分割出水面运动目标，提取出运动目标，对运动目标进行色彩统计分析，建立色彩柱状图，并获得目标的初始位置，实现跟踪系统的启动；在后续帧中，采用均值漂移算法，对水面运动目标进行跟踪。

目标：本设计拟采用基于均值漂移的算法实现对水面运动目标的跟踪，均值漂移算法计算量相对较小，思想简单，实时性高，且易于实现，很适合于实时跟踪场合。