1.3 本文所研究的内容

这篇文章了解夜间运动目标的变化，掌握夜间移动目标变化跟踪的基础知识，从中挑出视频运动分析中的运动目标跟踪作为研究重点。利用OpenCV和Visual C++组建实验平台，针对消除数字图像产生的特定噪声，正确认出和分开运动物体、物体之间的遮盖、处理的实时性要求等难点进行了研究。研究Meanshift法、粒子滤波法以及光流跟踪法三种目标检测的算法，利用C语言，并结合OpenCV函数库，编程实现三种跟踪算法的流程图，并在电脑上调试程序，分析算法结果并比较各种算法的优点缺点及他们应用范围。

2夜间目标跟踪方法

2.1 Meanshift算法

Meanshift 这个概念最早被提出是Fukunaga等人在研究概率密度梯度函数的估计中发现的,其最初含义正如其名,就是偏移的均值向量，它们的直观描述如图2.1所示。

图2.1 直观描述图

图2.2 直观描述图

核函数说明

对在N维空间中，该空间中的一个点记为y，该空间的核函数用P (y)表示，其定义为：

                                            （2.1）

P(y)的含义是放射对称核函数， P(y)的轮廓函数用p(y)来称为，它的特点是可微性，且是严谨的参考的固定量cp、n，使P(y)积分为一。

1维下的没有参考量假设设Y1,Y2,Y3, …Yn是相互没有关系但是分布一样的样本，这些样本从全部样本中随机出来的，未知的密度函数f（y）是Y具有，那么f（y）的核估计为：

                                        （2.2）

核函数相邻宽度最大的是h。我们频繁使用的核函数如下：一种是单位Gauss核函数，另一种是单位整齐核函数。

图2.3 单位整齐核函数    图2.4 单位Gauss核函数

在N维空间下，它的没有参考量估计：

Y在n维欧式空间中，该空间中存在的点用y代表，该空间中的核函数用 代表, 点y在 空间中的概率密度大概为:

                                        （2.3）

                                       （2.4）

在计算机视觉中，经常帮助到的是四周扩散状镜状核函数。

                            （2.5）

图2.5 放射状对称核函数

在通常情况下常采用比例形式，这种比例形式是H为单位矩阵的，即

  ，  

                    （2.6）

若在考虑到  

                      （2.7）

上面的公式就是概率密度函数的公式，它是根据核函数 的。

程序代码最为集中的区域 ，与最大概率密度有着联系。然后就能算出梯度，这是对概率密度，梯度的指向就是概率密度增加不是最小的指向，从而程序代码表现出来分布最密集的方向也就是这个指向。

            （2.8）

令 ，假设除了不是无限个点，对所有 轮廓函数 的梯度均存在。轮廓函数记为 ，核函数 为：

 ， ，那么

                                                                （2.9）