-
运动目标的检测与跟踪作为目标特征分析的基础，各个国家的研究人员对其都进行了大量的研究。到目前为止，就运动目标检测，各国科研人员已经提出了数千种类型的算法，但还没有一种算法能够完全克服实际中的各种问题，比如光照强度的改变、阴影、目标重叠遮挡等问题。26993
- 上一篇：民营银行发展空间和对策文献综述和参考文献
- 下一篇：谱聚类算法文献综述和参考文献
在算法方面，运动目标检测一般可以分为帧间差分法、背景差法以及光流法。这三种检测方法各有优缺点，因此，在这三种检测方法上，科研人员通过不懈的努力，又提出了很多种改进的算法。比如一种基于层模型的检测算法，QR分解算法、傅里叶检测算法以及一种通过视觉显著性提取来检测运动目标的方法。运动目标的跟踪算法则可以分为基于轮廓的匹配跟踪、基于目标特征的匹配跟踪、基于区域的匹配跟踪以及基于模型的匹配跟踪。目前应用得最多的还有粒子滤波算法以及Kalman滤波等算法。论文网
1997年，美国国防高级研究项目局DARPA（Defense Advanced Research Project Agency）、麻省理工学院（Massachusetts Institute of Technology）、卡内基梅隆大学（Carnegie Mellon University）共同参与并且创建了视觉监视及检测VSAM（Visual Surveillance and Monitoring）项目[3]。该项目主要致力于视频自动理解技术的开发，并将其应用于城市管理以及战场上。之后，为了满足反恐等行动的要求，DARPA又发起了HID，既远程人体识别项目。该项目主要研究了多种监控系统模式，以达到远距离观察、检测和判断目标运动状态的目的。在民用方面，美国的IBM公司成功研发了S3（Smart Surveillance System）智能监控系统。该系统通过计算机网络将监控摄像头捕获的视频资料传输到分析软件中。软件通过分析这些数据，可以识别监控区域内的潜在威胁并发出警报[4]。1998年至2002年，欧盟IST（Information Socity Technology）支持多所大学以及科研机构建立了视频监控与检索重大项ADVISOR(Annotated Digital Video for Surveillance and Optimized Retrieval)，目的是运用摄像头采集到的视频资料，研发出能够有效管理公共交通的综合系统，并且借助计算机视觉技术，完成公共交通中的运动目标检测和跟踪，并且自动判决异常情况。2003年，美国马里兰大学（University of Maryland）研发的W4[5]系统，不但能定位出人，还能分辨出人体的不同部位，并且建立模型，实现对多个目标的跟踪[6]。
相较而言，我们国家对动目标检测与跟踪的研究起步较晚，大部分研究还处于理论阶段。目前主要还是以中国科学院、清华大学、上海交通大学等科研单位和高等院校的研究为主。其中，中国科学院下属的模式识别实验室取得的成果最为显著。他们对人体的运动视觉监视、行为模式分析以及在公共交通方面的视觉监控进行了大量的研究。该团队在参考了英国雷丁大学VIEWS项目经验的基础上，自主研发了目标检测，分类识别、跟踪和行为分析等环节，设计并实现了拥有完全自主版权的交通控制原型系统VStar（Visual Surveillance Star）。目前，VStar系统能够有效运行在普通的PC机上，并且能够有效的抵抗光线强弱变化、目标边界模糊以及无关噪声带来的干扰[7]。该系统的提出对目标检测与跟踪算法的研究与智能监控系统的实现提供了一个优秀的范本。与此同时，清华大学也研发出了野外智能视觉侦查系统，西北工业大学也研制出了Great Wall视频运动目标跟踪分析系统。上海交通大学则实现了图像智能分割以及识别算法。
参考文献
[1] 李玉山。数字视频视觉技术[M]。西安：西安电子科技大学出版社，2006。
[2] 罗红杰。基于嵌入式的运动目标检测系统的设计与实现[D]。武汉：武汉轻工大学硕士论文，2014。