公共安全图像与视频一键式质量增强与运动分析光流目标跟踪与分析(3)
1.2.2 硬件改进
目前，高分辨率的视频即使在现代硬件上也很难满足实时处理的要求，通过改进硬件的性能对于提升高分辨率视频的处理具有很大的研究意义。提出在两个及两个以上GPU系统上运行的Lucas-Kanade光流目标跟踪算法，同时与Harris角点检测器进行集成，可以实现实时跟踪全高清视频（甚至4K格式）中的目标运动[9]。为了扩展更多光流法可以运行的操作系统平台，实现了基于嵌入式Linux系统平台下的光流法目标跟踪算法[10]。
1.3 工作内容
根据项目任务书要求及对任务的理解与时间安排，本次任务共需解决以下两个问题：
问题一：光流目标跟踪算法
使用OpenCV函数实现基于金字塔的LK光流的运动目标跟踪算法Demo。根据算法所暴露出的问题进行优化，主要为结合帧间差分法进行角点值寻找优化，图像平滑去噪以及视频浓缩。最终将算法用代码实现。
问题二：插件集成
开发出良好的GUI交互界面，形成插件，最终集成到公共安全图像与视频一键式质量增强与运动分析系统中。
1.4 本文内容安排
本文采用多尺度金字塔LK光流法进行视频运动目标跟踪与分析，很好解决了OpenCV中角点寻找函数寻找角点数量少、质量差的缺点，并利用特征点数目进行视频的浓缩。
本文的具体框架结构如下：
第一章，引言。主要介绍了选题的背景以及研究意义，并且介绍了目前国内外关于光流目标跟踪与分析的一些最新进展和研究方向。
第二章，基于多尺度Lucas-Kanade光流法的目标跟踪与视频浓缩方法。主要介绍了本文所用到的算法内容和算法原理，为本文的后续工作做好铺垫。
第三章，基于OpenCV的多尺度Lucas-Kanade光流法的目标跟踪算法实现。主要介绍了本文所使用到的一些OpenCV中的算法函数及图像处理的函数，为第四章功能的实现奠定基础。
第四章，基于光流的目标跟踪模块软件设计与实验分析。主要介绍了光流目标跟踪的算法流程及函数实现过程，并展示最终程序功能。
2 基于多尺度Lucas-Kanade光流法的目标跟踪与视频浓缩方法
2.1 引言
单一的帧间差分法与Lucas-Kanade光流法都无法很好的进行运动目标的跟踪，将两者进行结合使用，可以很好的克服各自的缺点，达到很好的跟踪效果。下面介绍了Lucas-Kanade光流估计方法的原理以及基于多尺度的金字塔Lucas-Kanade光流的目标跟踪与视频浓缩方法中各模块的原理。
2.2 基于Lucas-Kanade光流估计方法
2.2.1 光流介绍
光流是什么？从本质上讲，光流就是在动态环境中所感受到的物体明显的视觉运动。例如，当你在向前跑步时，看到你所经过的跑道、栅栏、旗杆在不断往后运动的这个视觉变化就是光流。而且我们会发现，它们运动的速度是不一样的。这个是光流提供的第一个信息：根据各个物体运动的速度不同来判断观察者与目标之间的距离。距离观察者比较远的物体，如操场周围的树木、建筑，移动很慢，感觉就像没有移动一样；而距离观察者比较近的目标，如跑道、栅栏等，感觉后退的速度就很快。光流还提供了另一个有用的信息：角度。当不同物体以相同速度向不同方向分散运动时，在与观察者视线方向成90。方向运动的物体会比以其他角度运动的目标使观察者感觉到运动更快，当角度小到0。的时候，观察者就很难感受到物体的明显运动了。
光流(optical flow)的概念最初是由Gibso在1950年提出的，光流是指空间运动物体在观察成像平面上的像素运动时的瞬时速度[11]，是通过图像序列中像素在时间域上的变化以及相邻帧之间的相关性来寻找上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种求法。