1    本课题的目的和意义、国内外研究现状、水平和发展趋势
1.1    课题的目的和意义
 计算机视觉是研究应用计算机系统实现类似人类视觉系统理解客观世界的新兴学科，它的中心任务就是对视频图像进行理解。目前它是人工智能和生命科学研究的热点领域之一，近年来关于计算机视觉的研究取得了长足进步，研究成果已经开始逐步应用于社会生活的方方面面。 目标跟踪是计算机视觉的重要研究内容之一，也是当前计算机视觉研究中尚未根本解决的难点问题。目标跟踪使用摄像头等传感器捕捉图像序列，通过一系列的计算和分析，得出运动目标在每一帧图像中的二文坐标位置，然后，将图像序列中同一运动目标关联起来，得到完整的目标运动轨迹。简单的说，目标跟踪技术就是在连续的视频序列中，找到下一帧图像中目标的确切位置，为视频序列分析提供基础运动信息和数据，是后续的各种高级处理，如目标识别与分类、目标特征提取等高层次的视频处理和应用理解的基础，也是视频监控、导航等实时应用的关键组成部分，将日益广泛地应用于科学技术、航空宇航、国防建设、医药卫生以及国民经济的各个领域。 目标跟踪在以下领域将发挥重要作用，在国防领域，目标跟踪可以应用于导弹发射以及自动跟踪危险目标，为战场监控起到相当大的作用；在民用领域，该技术可用于重点建筑（核电站、水电站、水库、银行、重要桥梁等）及重要地点（国家重点保护建筑、博物馆、体育场馆、地铁站、监狱等）的安全保卫工作；在智能交通领域，可以及时监控交通事故并可以在十字路口、新建高速路端等进行自动行人跟踪和安全预警；也可在车载的智能系统中融入行人车辆跟踪技术，对驾驶员进行驾驶状况进行安全预警，有效避免车祸的发生。在民众日常生活保障上，可用于检测可疑人物可疑行为，用于小区监控，减少犯罪率，为人民正常生活提供保障。 20021
然而到目前为止，现有的目标跟踪算法虽然能够在一定程度上完成对运动基于稀疏表示的快速目标跟踪算法研究目标的跟踪，但这些算法大多是基于目标某一种特征集合的跟踪，对目标特征描述不够完备，并且无法自动适应目标和环境的大变化，当背景发生较大变化时，往往会失效；同时对于运动目标的跟踪需要计算机进行大量的运算，很难达到现实情况中实时性的要求。因为现实世界中的物体、特别是场景是非常丰富的，这就使得据以进行目标检测与跟踪的图像也是千变万化、甚至可以说是无穷的，同时目标在成像过程中从三文空间转到二文投影平面，会丢失一部分信息，而且目标在运动过程中可能存在旋转、遮挡等情况，所以基于计算机视觉的运动目标跟踪技术是一项需要完善的工作，解决这些问题也一直是跟踪领域的前沿和热点。。
1.2    国内外研究现状与水平
近年来，对基于计算机视觉的运动目标跟踪问题正处于研究高潮中。国外关于视频跟踪的研究起步比较早，理论研究和系统设计方面都受到很多政府机构和学者的密切关注。在视频目标跟踪的的理论研究方面，美国自然科学基金委员会及美国军方对复杂环境下多目标的动态检测、识别及跟踪算法的研究及其应用非常重视，多次资助有关公司进行相关算法研究；美国国防部、美国陆军SBIR项目；美国海军水下战事中心等部门也先后投巨资资助该类算法的开发及其相关应用研究并取得了可观的成果。近几年，国外的众多研究机构对视频目标跟踪也展开了深入的研究。如法国国家实验室（INRIA）、牛津大学动态视觉组、MIT媒体实验室、CMU机器人研究所、马里兰大学帕克学院、DCS of Maryland, CSD of U. Southern California, NEC Research, CSC of U. Reading, CS of UC Berkeley等；自适应跟踪和智能跟踪的思想被相继提出，DARPA成立了自动目标识别工作组ATRWG进行目标智能识别和跟踪等相关研究。国外设计视频目标跟踪的原型系统也很多，早在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。其他出名的还有，美国DARPA设立的VSAM项目； Maryland大学的实时视频监控系统W4[1]；欧洲委员会自主的AVS-PV（Advanced Video-based Surveillance Prevention of Vandalism in metro stations）项目[2]；日本开展的CDVP计划等。 在国内，许多高等院校和研究机构在视频目标跟踪领域也投入了相当的研究精力，例如，中国科学院自动化研究所、中国科学院研究生院、清华大学，哈尔滨工业大学，西安交通大学，浙江大学，上海交通大学等一些高校和科研院所也逐渐开展视频目标跟踪方面的研究，并取得了一定研究成果。其中，中国科学院研究生院工程应用研究中心与清华大学合作将目标跟踪技术应用飞行器进近导航，对飞行器安全降落起到一定的作用；中科院计算所JDL实验室对于体育视频中的目标分割、检测、跟踪、和精彩片断分析进行了深入的研究[3][4]；中科院自动化所模式识别国家重点实验室图像和视频分析研究组开发了人体运动视觉分析系统、交通行为事件分析系统、交通场景监控系统和智能轮椅视觉导航系统[5]；清华大学开发了自然环境中运动检测、跟踪和全景图生成等功能的视觉侦查系统[6][7]；西安交通大学的人工智能与机器人研究所使用光流和帧差两种算法深入研究了自适应巡航控制中的车辆跟踪；上海交通大学与上海市交警总队合作开发了SUATS系统用于交通信号控制。发展趋势目标跟踪进一步研究面临着理论和实践两方面的挑战——数据关联和推断的定量理论以及自然场景和认知行为的复杂性,目标跟踪算法的设计还存在许多未知的理论依据。随着研究的不断深入和完善以及人类视觉机理的不断揭示,目标技术的研究将给计算机视觉、智能监控、人机交互、机器人工程、视频检索等研究领域注入新的活力。 计算机视觉的单目标算法研究开题报告:http://www.youerw.com/kaiti/lunwen_11641.html