1. 研究目的与意义

目标跟踪被广泛的定义为利用图像处理或者模式识别的方法在当前帧图像中找到与原视频序列中所感兴趣的图像最相似的部分。目标的检测、识别与跟踪一直是计算机视觉研究中的一个典型问题，其对实时性和匹配精度等指标都有较高的要求。在技术方面，目标跟踪涉及图像处理、模式识别和人工智能等诸多领域，无论在军事，工业或者民用方面，其重要的研究价值都显而易见。在军事方面，运动目标的跟踪技术被广泛的应用于武器系统中。例如卫星侦查，导弹制导，空间遥感，军事图像通信领域等。现代战争是在高科技支持下的信息战，对于导弹、飞机、舰艇等军事目标，如果能够进行准确的识别和跟踪定位，对于取得战场的主动权，提高作战性能和战争的成败有着决定性的作用。 在工业和民用领域，目标的检测和跟踪也起着重要的作用，如：(1)工业生产中零件尺寸、产品质量的动态检测，外观的无损探伤等；(2)在人工智能方面：机器人视觉，汽车号牌识别，指纹和人脸识别等；（3）自动化方面有，生产和装配线的自动化，ATM，自动售货机等；（4）医疗检测方面如肠镜、胃镜像，X射线摄像等。 视频目标跟踪技术中很重要的一个部分就是对捕获的动态目标图像序列的分析和处理，从而得到有用的信息。图像的动态变化是指目标、背景的运动变化以及二者的相对运动变化，他们不但随着空间的位置进行变化，也随着时间而变化，这为人们进行动态图像中的目标跟踪提供了更丰富的信息，同样也带来了难题和挑战。 一个性能良好的目标跟踪算法一般必须满足以下几个要求： ①准确性。通常跟踪算法的准确性包括两个方面：一个是指运动目标检测的准确性，另一个是运动目标与背景分割的准确性。提高目标检测准确性的目的是尽可能的减小运动目标检测的漏警率和虚警率。而运动目标分割的准确性则是主要应用于图像压缩和编码中。对运动目标的准确检测和分割是获得准确运动目标相关信息的重要手段。 ②实时性。即对跟踪算法计算速度提出了要求，视频序列的帧率通常为10-30 帧/秒。实时视觉跟踪系统必须能够对运动目标进行实时跟踪，并且留给后续系统环节还有其他的图像处理环节以充分的时间。但是通常目标跟踪算法处理的对象都是具有大量数据的图像，这些算法都需要较多的运算时间，达到实时处理的要求是很困难的。总而言之，简单的算法通常都有很好的实时性，但是跟踪精度却比较差，复杂的算法具有较高的精度，实时性却不好。　　③鲁棒性。对于运动目标的检测来说，跟踪算法的鲁棒性是指该算法必须能够适应光照变化、干扰、遮挡和场景变化等复杂情况并能够从这些原因引起的偶尔的跟踪失败中恢复出来。从控制论观点来看，目标跟踪可以看作一个开环系统，这样的系统没有反馈，很难对目标进行有效跟踪，因此，对于其鲁棒性有很高的要求。目前，对于目标跟踪算法的准确性，如何提高算法的实时性和鲁棒性的仍是视觉跟踪问题研究的重点，有待于得到很好的解决。

2. 国内外研究现状分析

目标跟踪问题是随着计算机技术的发展而逐渐成为研究热点的。

二十世纪80年代以前，由于计算机技术的限制，对图像的处理与分析主要以静态图像为主，在动态图像序列的分析中，对运动目标的跟踪带有很强的静态图像分析的特点。

二十世纪80年代初光流法(optical flow)被提出之后，动态图像序列分析进入了一个研究的高潮，其中对光流法的研究热潮从其产生一直持续到了二十世纪 90 年代中期。

3. 研究的基本内容与计划

　　Meanshift算法是一种非参数密度估计算法，可以实现快速的最优匹配，在目标的实时识别领域起着非常重要的作用。　　设计了一种基于彩色特征的抗遮挡目标识别算法。为了有效的将Meanshift算法应用到目标识别中，采用了以方向直方图建立目标模型的策略。利用Meanshift 递推寻找当前帧目标的位置。选用对目标部分遮挡具有鲁棒性的加权量化彩色直方图作为目标特征的概率分布,用 Bhattacharyya 系数作为特征相似性度量，从而确定最优化目标区域。对减速运行、持续静止、正常运行、部分遮挡等情况下的运动目标，进行很好的识别。 该算法具有不受光照条件影响的优点，在低对比度的情况下仍能实现稳定、实时的识别目标。

第1周 了解课题、收集资料等准备工作；第2周 毕业设计开题、制定毕业设计基本方案；第3周 学习MATLAB和相关的图像处理内容；第4周 准备开题报告；第5周 完成开题报告；第6周 图像采集，Meanshift算法分析；第7周 Meanshift算法分析及MATLAB程序设计；第8周 基于Meanshift的目标识别方案设计；第9周 Meanshift的目标识别MATLAB程序设计；第10周 Meanshift的目标识别MATLAB程序设计；第11周 程序调试；第12周 调试过程分析；第13周 调试总结；第14周 准备论文；第15周 做答辩用的ppt第16周 修改论文和答辩。

4. 研究创新点

本论文特色与创新如下：　 1．将Meanshift算法应用到目标识别中；　　2．利用加距离权彩色直方图作为目标特征,减少了目标边缘像素的影响,增加了算法对部分遮挡的鲁棒性； 3．采用并通过自动更新目标的模板以适应目标特性不断变化的情形，从而更好的识别目标不断变化的情况。