摘 要

计算机视觉是当今计算机科学非常重要的研究领域。而目标跟踪与检测是计算机视觉领域的热点。其在人机交互、视频监控、交通安全、社会安防和国防领域有着重要的应用意义。

目标视觉跟踪，可分为两大类方法：生成模型方法和判别模型算法。其中判别类方法可叫检测跟踪（tracking-by-detection）。判别类方法中，KCF算法是一种快速、准确的高性能相关滤波算法，具有较好的实时性和鲁棒性。其优越性在于使用循环矩阵和核函数大大加快了跟踪算法的计算速度。

本文设计的基于视频的目标跟踪与检测系统，基于KCF算法，使用OpenCV计算机视觉库，使用Python语言实现了对视频文件的任意指定物体的目标跟踪与摄像头实时任意单个物体的目标跟踪。

综合来看，本设计对多种场合中的各种目标有较好的跟踪性能，能够准确跟踪不同特征的目标，并且有较强的实时性和鲁棒性。

关键词：目标跟踪，相关滤波，循环矩阵，核函数、快速傅里叶变换

Abstract

Object tracking is an interdisciplinary field including image processing, pattern recognition, machine learning and other fields, which has a wide application meaning in video surveillance, human-computer interaction, traffic safety, public safety and military field, etc.
Basically, object tracking algorithms could be divided into two general genres: generative algorithms and discriminative algorithms. Discriminative algorithm is named tracking-by-detect

ion too. Among discriminative algorithms, KCF (Kernelized Correlation Filter) algorithm is a fast and accurate high-performance correlation filter algorithm, which has high robustness and real-time feature. It takes advantage of circulant matrix and Fast Fourier Transform to significantly improve the speed of calculation of tracking.

Based on KCF algorithm, the designed system uses OpenCV and Python to realize object tracking of objects in video files (.avi) and object tracking of any pointed object in real-time camera. Besides, this system realized mutative scale, owning good performance for shifting scale objects.

Based on the above theoretical analysis and research, I picked several videos which contains various occasions and objects as the test cases of the system. Also, I use real-time camera as the input of the system to test the performance of the system.
In a word, this system has high performance tracking for various objects in different videos as well as real-time camera. It also has high adaptiveness for changing scale of objects.

Key Words: Tracking, Correlation Filter, Circulant Matrix, Fast Fourier Transform

目 录

第1章 绪论 1

1.1 研究目的及意义 1

1.2 国内外研究现状 1

1.3 判别式跟踪算法简介 2

1.4 研究内容 3

第2章 KCF算法数学原理 5

2.1 KCF算法 5

2.2.1 相关滤波和核函数 5

2.2.2 循环矩阵 6

2.2.3 特征提取 6

2.2.4 最小二乘分类器 8

第3章 基于KCF算法的目标跟踪系统实现 10

3.1 运行环境简介 10

3.2 系统实现方法 10

3.2.1 程序框架 10

3.2.2 选择跟踪视频源 11

3.2.3 目标框定 11

3.2.4 KCF目标跟踪算法 12

3.2.5 实时显示跟踪效果 15

第4章 系统测试与结果分析 16

4.1 系统测试 16

4.1.1 测试数据集介绍 16

4.1.2 选择系统跟踪的视频源 16

4.1.3 选定跟踪目标 17

4.1.4 系统目标跟踪测试 18

4.2 结果分析 20

第5章 总结与展望 23

参考文献 24

致 谢 26

第1章 绪论

1.1 研究目的及意义

随着计算机技术的飞速发展，人们希望计算机也能够拥有人眼的功能：去处理现实世界中的事物与信息，甚至完成人类无法轻易完成的任务。基于这个目的，计算机视觉领域逐渐发展起来。计算机视觉是人工智能浪潮中非常重要的领域，因为视觉是人类最重要的感官。随着机器学习和数字图像处理技术的快速发展。计算机视觉越来越成为计算机科学中核心的热点问题。计算机视觉指的是通过光学传感器，将现实世界的场景投射到机器中得到数字图像，然后从数字图像中提取进一步有待分析的物体的位置、颜色、形状等信息来进行分析的一门技术。而对目标物体的分析的基础就是确定目标的位置。只有知道物体的位置才能对它进行深层的分析，如识别。基于此，视觉目标跟踪，是计算机视觉领域最核心、最基础的部分之一。

视觉目标跟踪已被广泛用于人机交互，视频监控，移动机器人和其他应用。例如：（1）在人机交互方面，机器需要捕捉人的手势，动作，表情等，完成人与机器之间的信息交流。人机交互在体感游戏和增强现实应用中被广泛使用。在这些应用中，首先需要使用视觉目标跟踪技术来跟踪人们的手部，脸部等，以完成手势，动作，表情和其他信息的捕捉。 （2）在视频监控方面，通过摄像头等传感器获取视频序列，对目标进行识别和分析，识别可疑人员和异常行为。视频监控已被广泛应用于机场，码头，银行和超市。在识别和分析目标之前，它需要视觉目标跟踪技术来完成目标的实时定位。（3）在移动机器人方面，机器人通过传感器获取外部场景信息，然后分析场景中物体的距离，位置等信息，获取机器人在场景中的相对位置，绘制出周围的场景。这也被称为即时定位。使用地图定位和映射（SLAM）技术。目前，SLAM技术已经成为移动机器人不可缺少的技术，而视觉目标跟踪是SLAM技术的重要组成部分。移动机器人也越来越多地用于电力巡逻和家庭服务。从以上应用中可以发现，视觉目标跟踪技术在许多应用领域中起着至关重要的作用。因此，视觉目标跟踪技术的研究具有广泛而深远的意义。

1.2 国内外研究现状