文 献 综 述

一.课题背景和意义:

随着计算机技术的高速发展，运动物体的检测和跟踪在图像处理、计算机视觉、模式识别、人工智能、多媒体技术等领域越来越受到人们的关注[1,2,3,4]。运动跟踪和检测的应用广泛，在智能监控和人机交互中，如：银行、交通、超市等场合常常使用运动跟踪分析技术，通过定位物体并对其行为进行分析，一旦发现物体有异常行为，监控系统就发出警报，提醒人们注意并即时的处理，改善了人工监督注意力分散、反应时间较慢、人力资源浪费等问题。运动目标的跟踪在虚拟现实、工业控制、军事设备、医学研究、视频监控、交通流量观测监控等很多领域也有重要的实用价值。特别在军事上，先进的武器导航、军事侦察和监控中都成功运用了自动跟踪技术。而跟踪的难点在于如何快速而准确的在每一帧图像中实现目标定位。正因如此，对运动目标的跟踪和检测的研究很有价值。

运动目标检测是图像处理与计算机视觉的一个分支，在理论和实践上都有重大意义，长久以来一直被国内外学者所关注。在实际中，视频监控利用摄像机对某一特定区域进行监视，是一个细致和连续的过程，它可以由人来完成，但是人执行这种长期枯燥的例行监测是不可靠，而且费用也很高，因此引入运动监测非常有必要[5,6]。它可以减轻人的负担，并且提高了可靠性。概括起来运动监测主要包括三个内容：运动目标检测，方向判断和图像跟踪。运动目标检测是整个监测过程的基础，运动目标的提取准确与否，直接关系到后续高级过程的完成质量。

目前，对运动物体的检测和运动参数测量的研究方向主要有两种，即：运用人工神经网络和运用图像处理的方法。大多数专家学者都把研究重点放在运用图像处理的方法进行运动目标检测和跟踪，现有的比较有效的图像运动目标检测的方法主要是光流法、背景图像差分法和帧间差分法。

二.国内外研究现状

在国内，运动图像分析已在人体运动检测与跟踪、智能交通、机器人视觉等很多方面展开了深层次研究[7,8]。但总的来说，国内的研究主要停留在理论方面，还没有出现比较大型的并应用于实际的成型系统。我国从1986年开始对图像跟踪正式立项研究，图像跟踪算法理论研究取得了很大的发展。2002年刘永信等人探讨了基于Kalman滤波理论的渐消记忆递归最小二乘法在重建图像背景中的应用；同年，张辉等人研究了如何实现出格点检测和聚类自动检测；1999年王栓等介绍了一种基于差分图像的运动目标检测算法，检测结果是符号化了的图像，其中运动目标由外接矩形表示，然后根据连续性约束假设，实现了运动目标的跟踪；2003年隋哗等讲述了交通监控系统中应用视频图像流来跟踪运动目标并对目标进行分类的具体过程和原则，基于目标检测提出了双差分的目标检测算法，目标分类应用到了连续时间限制和最大估计的原则[9,10,11]。

目前，美国、欧洲和日本等发达国家运动目标检测技术的水平较高。目标跟踪的基本概念首先是由Wax在1955年提出的.1964年，Sittler在包括数据关联等内容的多目标跟踪理论方面取得了突破性进展。上世纪七十年代初期，随着递推Kalman滤波技术引入雷达跟踪中，目标跟踪理论开始引起人们的极大关注；Bar-Shalom和llSinger使数据关联与滤波理论有机结合，进一步发展了目标跟踪理论。八十年代以来，由于高速处理芯片的兴起，为目标跟踪的研究注入了新的活力。1997年以卡内基梅隆大学为首，麻省理工学院等高校参与的视觉监控重大项目VSAM[12,13]，主要研究用于战场及普通民用场景进行监控的自动视频理解技术；2000年开始，马里兰大学、麻省理工学院等26家高校或公司参与的重大项目HID计划[14]，其任务就是开发多模式的、大范围的视觉检测技术，以实现远距离情况下人的检测、分类和识别，增强国防和民用场合免受恐怖袭击的自动保护能力；此外还有，马里兰州大学和IBM公司联合研制的实时视频监控系统W4[15]将形状分析和目标跟踪技术相结合，对人的外表进行模型构建等。

运动目标检测在国外已经取得了一些的研究成果，许多相关技术已经开始应用到实际系统中，但是国内研究相对落后 ,与国外还有较大差距。传统的视频目标提取大致可以分两类 ,一类以空间同性为准则 ,先用形态学滤波器或其他滤波器对图像作预处理;然后对该图像的亮度、色度或其他信息作空间上的分割以对区域作边缘检测;之后作运动估计,并合并相似的运动区域以得到最终的提取结果。如光流算法、主动轮廓模型算法。此类方法结果较为准确但是运算量相对较大。另一类算法主要以时间变化检测作为准则 ,这类算法主要通过帧差检测图像上的变化区域和不变区域，将运动物体与静止背景进行分割。此类方法运算量小,提取结果不如前类方法准确。此外，还有时空结合方法、时空亮度梯度信息结合的方法等等。

参考文献：

[1].夏良正，数字图像处理（第二版）[D]，南京：东南大学出版社，2004.