1.1目的及意义

世界由图像呈现给人类。人类通过视觉系统观察并感知世界，通过画面对外沟通，交换信息。在计算机和互联网出现之后，将画面转换为数字信号，用计算机对视觉信息进行处理和反馈，使其成为更为有效的认知和分析社会的工具，提供了更为立体和清晰的新方向。

在公共区域的民用监控是应用较为广泛、实践较为深入的领域，对社会安全起到的作用非常突出。然而，虽然重要区域都架设了监控摄像机，视频记录已成为社会生活和提供信息参考的主要方式，但由于实际的监控依然需要人工完成，监控系统上不能对特定目标进行自动提取，不但白白消耗人力，无法及时对数据经行处理和分析，也让视频图像提供的信息大为浪费。更加有效准确的视频信息处理是未来技术研究的主要发展方向。视频跟踪技术为信息数据的更高效处理提供了可能。

基于计算机视觉的视频跟踪系统具有直观性好、抗干扰能力强、隐蔽性突出等优点。随着计算机软硬件的不断发展,计算量大和实时性高的问题已逐渐削弱,因此它在军事目标制导、民用设施安全监控、视频编解码、交通信息控制等方面得到广泛的应用。运动目标跟踪,实际上是解决在视频图像序列中对运动目标的检测、分割、提取、识别和跟踪的问题。这就要求我们在对视频图像处理过程中,首先需要准确获取序列图像中目标的参数,如位置、大小、速度、轨迹等,再结合合适的目标跟踪算法保证跟踪系统有较好的鲁棒性和较高的精确度。

1.2国内外的研究现状分析

戴维SARNOFF研究所、卡内基梅隆大学等研究机构在美国国防高级研究规划局（DARPA）的出资下共同合作，研发出的视频监控系统VSAM。运动目标检测常用的几种方法： (1)帧差法，简单快速，可适应动态背景，但不够准确，不能分割出完整的运动目标。 (2)背景减除法，不能适应动态背景以及光照变化。 (3)光流法，可检测出独立的运动目标，但计算复杂，无法实时应用。 VSAM系统实现了三种方法：第一种是自适应背景减除和三帧差的混合方法，此方法速度快并且效果好。第二种方法会保存检测出的目标，这样对 于短时间静止不动或被遮挡之后继续运动的目标有较好的表现。第三种方法可适应持续移动的摄像机。

中科院计算机科学重点实验室孙庆杰等人利用基于侧影的人体模型及其对应的概率模型,提出了一种基于矩形拟合的人体检测算法。中科院自动化所谭铁牛等对人运动进行视觉分析,其核心是利用计算机视觉技术从图像序列中检测、跟踪、识别人并对其行为进行理解与描述,它主要应用在视觉监控领域和基于步态的身份鉴定。步态识别就是根据人们走路的姿势进行身份鉴定,依据人体行走运动很大程度上依赖于轮廓随着时间的形状变化的直观想法,提出一种基于时空轮廓分析的步态识别算法；基于行走运动的关节角度变化包含着丰富的个体识别信息的思想,提出一种基于模型的步态识别算法。实验结果表明该算法不仅获得了令人鼓舞的识别性能,而且拥有相对较低的计算代价。但是该方法只能检测出运动的行人。

2. 研究的基本内容与方案

2.1研究的基本内容

对监控图像进行预处理，以便系统进行更加准确的分析。包括色彩空间的转换、图像去噪、灰度图处理等。对于多项式展开的帧间估计的原理和应用方式根据系统设计进行优化，将帧间估计的规模保持在二次 ，同时保证精度和准确率。比较不同算法的优劣和准确性，调整参数以获得更高的准确性。利用C语言和OpenCV开源计算机视觉库的特点和优势。完成运动物体跟踪系统的开发环境配置，加载库函数。设计和完成系统流程，结合图像预处理、光流法和焦点检测，完成运动目标跟踪系统设计并进行优化。

2.2研究目标