视频跟踪学习总结课件

1、视频跟踪学习内容总结2011-4-7 数字视频跟踪技术的理论前提图像的颜色空间（如何选择？） HSV颜色空间AVI视频文件的结构（分割方法？）和读取两类windows API函数：对AVI文件进行操作；对数据流进行操作（数据是否压缩过？）BMP文件（文件格式）的结构和特点等 保存为BMP格式（结构？图像数据矩阵的特点？）运动检测/分割方法背景减除法（Background Subtraction）背景模型如Kalman滤波（基于预测）、混合高斯模型（基于统计）等。帧间差分（Temporal Difference） 光流法（Optical Flow）：利用光流场基于轮廓的跟踪算法 其他方法 ：EM

2、（Expectation Maximization）算法、基于数学形态学的场景变化检测算法 运动检测算法研究趋势针对性改进（动态背景更新、减少光流场的计算量）；研究新的运动目标检测方法（基于颜色的分割方法、各种背景统计模型、基于知识的目标分割方法等）；融合多种运动检测方法的综合判决方式，如Kim算法即帧差法与背景相减法结合)。图像序列跟踪算法（按所用图像信息分类）基于边缘基于背景估计 分块背景估计法基于运动场估计：光流法OFE、块匹配BMA及贝叶斯最大后验概率MAP模型基于团块Blob（图像分割） 基于模板匹配 （区域跟踪） 基于主动轮廓线/Snake模型基于多摄像机（3D模型）目标跟踪的新算

3、法粒子滤波算法CamShift算法(基于MeanShift的改进)Blob分析 SIFT尺度不变特征变换Kalman预估法 基于分类器训练的特征匹配法评价指标：跟踪的精确度、算法的复杂度及实时性。常用的两类目标模型基于目标的轮廓特征 精度较高，计算复杂，且抗干扰性差 基于目标的颜色特征 鲁棒性强，抗噪性强，且具有良好的抗遮挡性 。 基于模板匹配的算法的3个关键环节图像特征表示（特征提取）相似度指标计算 常用的相似度指标 如何评价相似度指标匹配性能？ Model?目标搜索算法图像跟踪过程：匹配修正预测eg2.基于视频的交通事件检测（ITS系统中的应用）目的：对运动物体进行编号并跟踪，最终得到运动

4、轨迹运动车辆分割：多区域轮廓跟踪车辆目标跟踪：CamShift算法 研究方向：如何判定行人等非机动车和运动车辆，而仅仅检测跟踪运动车辆？如何有效的去除运动车辆阴影的干扰？红外小目标检测与跟踪技术的应用卫星大气红外云图分析空间遥感红外医疗图像的病理分析飞机拍摄地面红外图像地质分析城市的红外污染分析海面人员搜救高速公路的车流量检测等红外目标检测的两类算法“先检测后跟踪”算法（即DBT）差分法、自适应运动检测方法、光流法和小波变换法。“先跟踪后检测”算法(即TBD) 动态规划方法、多级假设检测的方法和基于高阶相关的方法。eg4.人脸检测与跟踪 人脸检测与定位的方法：基于统计：事例学习、子空间法、空间匹配滤波器方法；基于知识建模：器官分布规则、轮廓规则、颜色和纹理规则、运动规则、对称性等。相关算法：Adaboost算法 、肤色模型、Cam-shift 算法。待解决的问题开发实现出更多更新颖的图像处理算法和目标检测与跟踪算法，并对其进行比较、组合分析、再取舍，使之达到最优化的组合，再应用到所开发的软件中。实时检测与跟踪功能就是要使得软件能够检测与跟踪CCD、红外成像系统或者其他成像设备所拍摄的实时视频中的目标。以运用OpenCV中所提供的对摄像头和视频流进行操作、使用的模块CVCAM来增加软件的实时检测与跟踪功能。