2 文献查阅、调研情况
2.1 文献综述
《图像处理基础教程》章毓晋，电子工业出版社
《图像处理和分析教程》章毓晋，人民邮电出版社
《MATLAB 7.0在图像处理中的应用》罗军辉， 机械工业出版社
主要了解了图形编辑的内容以及matlab的简单操作，SURF的算法。
2.2 调研情况
了解了单目标跟踪的目的是什么，以及单目标跟踪的分类，常用的跟踪算法，以及matlab的使用情况
3 本课题的基本内容、重点、难点
3.1 本课题的基本内容
1. 算法设计
2. 利用Matlab/OpenCV实现算法
3. 算法的仿真调试和性能验证目标跟踪的目的是在视频的每一帧图像中确定目标的位置，从而产生目标随时间的轨迹。也可能同时提供目标在每一帧图像中所占的完整区域。通常使用目标检测算法得到图像中可能的目标区域，然后在各帧之间建立目标的对应联系。或者通过迭代更新前一帧图像得到的目标的区域和位置信息，联合估计出目标的区域和对应联系。依据其跟踪目标数目的不同，跟踪算法可分为单目标跟踪与多目标跟踪，本文主要
论述单目标跟踪算法。目标模型的选择限制了该目标所能经历的运动和变形。依据所采用目标描述方式的不同，单目标跟踪可分为点跟踪、核跟踪和剪影跟踪，如图1 所示。
图1
3.1 点跟踪
图像序列中检测到的目标被表示为其质心所在位置的点，不考虑目标姿态和形状的变化。跟踪过程可以表述为检测到目标在各帧之间的对应。点对应是一个复杂的问题，特别是存在遮挡，漏检，目标的进入和退出的情况。总体来说，点对应方法可以分为两大类，即确定性的和概率性的方法。确定性方法使用运动信息来约束对应问题。概率方法考虑不确定性，使用目标的测量值来建立关联。
(1) 确定性对应方法点对应的确定性方法使用运动约束集合，定义先前帧中每个目标与当前帧中单个目标关联的相似度。最大化关联的相似度可以表述为一个组合优化问题。通过最优分配算法可以得到所有可行关联中的解[7]。
(2) 概率对应方法从视频传感器中得到的测量值包含噪声，目标的运动也会经受随机的扰动。概率对应方法在目标状态的估计时考虑了测量值和模型的不确定性，将目标位置、速度、加速度等性质表示为一个状态空间，认为某一时刻的目标状态为服从一定分布的随机向量。由检测算法得到物体在图像中的位置的概率分布。状态估计的最优解可以通过迭代的贝叶斯滤波器（Bayesian Filter）[8]得到，综合观测数据和目标的先验知识，由预测和更新两个步骤组成。建立目标状态的随机动力学模型，目标状态的概率密度在动力学模型的作用下进行扩散和伸展，得到下一时刻的预测值。动力学模型的随机部分导致概率密度伸展，使不确定性增加。确定性的部分造成概率密度的整体平移。观测值通过似然函数对状态的预测分布进行修正。似然函数定义目标状态与观测值的相似程度，描述了目标的观测模型。概率密度在测量值的附近趋向出现一个峰值。当测量和预测过程中的噪声满足高斯分布，系统方程满足线性假设时，可以通过卡尔曼滤波（KalmanFilter）[8]递推得到后验概率的均值和方差来描述状态估计的最优解。当线性假设不满足，通过泰勒展式（Taylor）对系统方程进行局部线性化，就得到了扩展卡尔曼滤波器（Extended Kalman Filter）[9]。周东华等人对扩展卡尔曼滤波器增加了约束条件，要求真实状态值减去估计状态值的残差序列在任意两个时刻都保持正交。又在卡尔曼滤波的增益矩阵中引入了多重渐消因子，进而推导得到了强跟踪滤波器（StrongTracking Filter）[10]。对突变状态具有较好的跟踪能力，对模型参数的失配具有较强的鲁棒性。为了解决扩展卡尔曼滤波器在处理非线性系统的失真问题，Julier 等人又提出了无迹卡尔曼滤波（Unscented Kalman Filter）[11]。该算法使用确定性抽取的加权采样点（sigma-point）的最小集合,完整地表述了先验随机变量的均值和方差。这一过程被称为无迹变换（Unscented transform）。这些sigma 点经过非线性系统得到后验的sigma 点集，若目标的状态分布是多模的，如存在遮挡和背景干扰的情况，只能采用蒙特卡罗积分方法来求解贝叶斯滤波器。这种普适性的滤波器即为粒子滤波器（Particle Filter）[12]，也称作自举滤波器（BootstrapFilter）[13]。该算法中，当前状态的概率密度由一群带有权重的随机样本表示，这些样本经过动力学模型演化后，其权重由各自的似然函数进行加权修正，从而得到后验概率的离散化表示。新的概率密度由这些样本和权重得到。这些随机样本从一个易于得到和采样的建议分布（proposal distribution）中采样求得。可以简单地使用该粒子的状态转移条件概率作为建议分布，也可以引入观测值对建议分布的影响，使滤波的结果更为准确，如该粒子经由无迹卡尔曼滤波所得的结果作为建议分布[14]。为了防止状态估计的方差随着递推的进行不断增大，每次迭代 计算机视觉的单目标算法研究开题报告(2):http://www.youerw.com/kaiti/lunwen_11641.html