1. 研究目的与意义（文献综述）

最近几十年，随着计算机技术，传感技术的发展，图像处理技术也进一步取得发展。运动目标检测与跟踪是在基于动态图像分析的基础上结合图像模式识别和图像跟踪方法对图像序列中的目标进行检测、识别和跟踪的过程，它是图像处理与计算机视觉领域中的一个非常活跃的分支，在人机交互，视频监控，视觉导航，视频导航，三维重构与体育运动分析等技术领域有着越来越广泛的应用。视觉处理技术不仅符合人工智能发展的大趋势，同时也蕴含着巨大的商机和经济效益。

基于运动目标检测与跟踪技术领域的广阔发展前景，国内外都对对其展开了大量的理论和实验研究，并取得了许多优秀的研究成果。其中，比较著名的学术研究有：麻省理工学院，戴维sarnoef研究中心，美国卡内基梅隆大学等几家著名科研机构联合开展了视频监视与监控系统vsam系统的项目研究，研究人员研制了一个端到端的测试系统，集成了目标姿势估计，多摄像机的协调跟踪，普通目标（如车辆、人）的分类识别，特殊目标（如救护车等具有特殊标记的物体）的分类识别等高级视频监控技术。英国雷丁大学计算机系的views项目组开展的对于车辆和行人进行对象跟踪及交互作用识别的研究。

我国视频目标检测与跟踪技术研究起步于60年代末，目前我国的清华大学，北京大学，中科院自动化研究所等一些高等院校和科研机构也在这方面开展了一系列的系统开发和理论研究。清华大学开展了基于视频分析的跳水运动姿势研究；浙江大学人工智能研究所采用单目视觉对人体没有遮挡部位的运动进行了跟踪研究；北京大学视觉与听觉实验室在三维视觉信息处理和智能机器人等领域取得了许多成果。虽然起步较晚，但是建立在国外一些已有的技术基础之上也有迎头赶上之势。

2. 研究的基本内容与方案

目前，常用的目标检测算法有背景差，帧间差，光流法，扩展的em算法，能量运动检测，基于数学形态学的检测等;常用的目标跟踪算法有基于区域的跟踪，基于运动估计的跟踪，基于目标模型的跟踪和基于主动轮廓的跟踪等。

本次设计将基于现有的检测和跟踪算法，利用opencv（是一个基于bsd许可（开源）发行的跨平台计算机视觉库，可以运行在linux、windows、android和mac os操作系统上。由一系列 c 函数和少量 c 类构成，同时提供了python、ruby、matlab等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法）图形图像开发库，通过对各种算法的比较分析，针对不同环境条件，寻求一种解决多运动目标检测跟踪的方案，能够克服目标部分被遮挡，停停走走和光线变化等因素对实验结果的影响。同时由于android智能手机的便携性，将运用opcncv开发的行人检测系统移植到android平台上，将改变传统的视频处理方式，使其更具灵活性、移动性，同时扩展了android平台的应用领域。

技术方案如下：

3. 研究计划与安排

第1周—第4周 查阅相关文献资料，明确研究内容，了解研究所需的的环境和配置。确定设计方案，完成开题报告。

第5周—第6周 翻译英文资料，搭建eclipse android opencv运行环境并进行环境测试；

第7周—第12周 编写代码，不断优化代码，完成测试工作；

4. 参考文献（12篇以上）

[1]郭霖. 第一行代码android [m]. 北京：人民邮电出版社，2014.

[2]李刚. 疯狂android讲义[m]. 第2版. 北京：电子工业出版社，2015.

[3]bill phillips, chris stewart, brian hardy, kristin marsicano. android programming [m]. 2nd edition. the big nerd ranch guide. 2015.