1. 研究目的与意义（文献综述）

基于空间一致性的目标特征提取主要其研究方向就是计算机视觉研究中的视频目标追踪。视频跟踪是机器视觉领域的基础问题之一，它是目标识别、行为识别等后续应用的基础，在社会安全、航空航天等重大项目中有着广阔的应用前景。视频跟踪可以用在自动监控、视频索引、人机交互、交通监控、车辆导航等方面。然而由于旋转姿态引起的物体本身外观的变化以及光照、遮挡等外在因素的变化进行鲁棒的跟踪仍然面临着很大的挑战。视频跟踪技术由于拥有广阔的应用前景，因此受到了世界各地研究者的高度关注。国外进行视频跟踪研究的大学主要有麻省理工学院、卡内基梅隆大学、斯坦福大学等。国内著名高校清华大学和一些研究机构也对视觉理论的发展贡献了力量。随着图像处理和分析技术、计算机技术的飞速发展，一些高校和科研机构已经开展这方面的研究并且取得了可喜的成绩。

在实际应用方面国外起步比较早，技术也相对成熟。美国军方对复杂环境下目标的动态检测、跟踪的算法的研究及其应用非常重视。美国自然科学基金资助有关公司进行算法研究。在20世纪50年代初期gac公司就为美国海军研制开发了自动地形识别跟踪系统。1997年美国国防高级研究项目(darpa)设立了以卡内基梅隆大学为首、麻省理工学院等高校参与的视觉项目。马里兰大学也成功研发了一种实时视觉跟踪系统,它不仅能够定位和分割出人的身体部分以及实现多人跟踪,而且能检测人是否携带物体等简单行为。英国的雷丁大学在智能视频跟踪系统的研究中对行人和车辆的跟踪方面取得了很好的效果。近几年自适应跟踪和智能跟踪的思想被相继提出。我国也开展了一系列的目标跟踪系统的研究和开发。其中中国科学院自动化研究所模式识别国家重点实验室取得了丰硕的成果处于领先的地位。清华大学电子工程系针对户外复杂背景下的人体识别困难的问题研发了一套运动目标自动跟踪和分类的智能化跟踪系统算法。此外,清华大学计算机科学与技术系也提出了一种利用实时视频图像识别的技术来对无规则行人进行跟踪与统计的算法。

由于以上的视频跟踪研究广泛应用在实际生活中，因此要建立鲁棒的跟踪系统需考虑鲁棒性、自适应性和实时性3个因素。鲁棒性就是在复杂的环境下（如复杂背景、部分或整体光照改变、遮挡等），跟踪算法仍然能较好地跟踪目标。自适应性就是在目标本身改变的时候跟踪系统需要自适应地调整，除此之外选择一个快速、精确的算法也很有必要。

2. 研究的基本内容与方案

运动对象检测在视频检测中，针对目标的旋转，移动等行为。在检测目标发生的空间位置变化后，难以实现对目标的稳定跟踪。本论文针对目标在视频中的三维空间变化关系进行研究，针对连续视频中的目标的特征进行分析，研究在空间位置变换下的目标跟踪。使用软件为matlab2016，具体方案如下：

（1） 读取视频帧，并对运动目标进行检测：首先要先对目标视频进行帧处理，读取它的视频帧，然后就就是运动目标的检测，任何在背景模型图像中大的改变都将看作运动物体，用高斯模型作为背景模型。对图像的每一个像素的颜色建立静态的背景高斯模型来实现目标检测。

（2） 提取目标特征信息：特征是目标可区别与其他事物的属性，具有可区分性、可靠性、独立性和稀疏性。进行目标跟踪，首先要描述目标，如颜色、纹理、形状等。主要分为边缘特征、特征点、颜色特征、纹理特征、基于区域的特征等，然后进行多种特征的融合进行提取。

（3） 运动估计和确定目标范围：运动估计是根据上面获得的目标特征信息通过光流法检测获得的，通过全局光流场和特征点光流场两种方法来确定目标的范围以及位置。

3. 研究计划与安排

(1)第1－3周：查阅相关文献资料，明确研究内容，学习毕业设计研究内容所需理论的基础。确定毕业设计方案，完成开题报告。

(2)第4－5周：了解基于空间一致性的目标特征提取方法，熟悉matlab的使用以及对视频进行帧处理的方法

(3)第6－9周： 了解meanshift算法的思想，并学会meanshift算法的使用

4. 参考文献（12篇以上）

[1] 闫庆森， 李临生， 徐晓峰， 王灿，视频跟踪算法研究综述,， 计算机科学，2013 vol40-6a，p204-209

[2] 亚森江·木沙， 赵春霞．基于多任务混合噪声分布模型表示的视频跟踪[j]．计算机工程与应用，2015，vol51-13，p15-24

[3] kim, d; hwang, e; rho,s multi-camera-based security log management scheme for smartsurveillance, oct.2014,pp 1517 - 1527