第四章中介绍了OpenCV在图像处理和计算机视觉方面的应用，给出了旋翼无人机机载目标视频跟踪系统的硬件及数据传输结构组成。根据第三章所提的视频目标跟踪算法，编写了在Visual C++ 6.0 集成开发环境下基于 OpenCV 的的视频跟踪软件，对机载摄像头采集的复杂动态背景下的目标视频进行跟踪实验，通过实验比较了传统Mean-shift算法和本文所提Mean-Shift算法的跟踪性能以及实时性。实验结果表明本文所提的基于机载视频目标跟踪的Mean-Shift算法较传统Mean-Shift算法在复杂动态背景下的跟踪精度和实时性均有所提高。论文网

在第五章中系统地进行了总结和展望，即总结了基于静态和动态背景的视频目标跟踪算法的特点、性能和适用范围，针对复杂动态背景下的Mean-Shift跟踪算法的其它改进以及进一步研究方向提出了一些设想。

本文主要针对因机载摄像机运动引起的动态运动场景进行研究，寻求复杂场景下高效准确的运动目标跟踪方法。

2  基于静态背景下的运动目标跟踪方法

首先给出了一些在静态背景条件下目标跟踪需要的图像处理技术，然后给出静态背景下目标视频跟踪的流程图，最后在基于Visual C++ 6.0 的集成开发环境下进行跟踪实验并给出实验结果截图。

2.1  彩色图像灰度化

实时性在视频目标跟踪的实际工程应用中尤为重要，很显然，处理255色灰度图像要比处理R、G、B彩色图像快得多。将彩色图像转变为灰度图像的处理称为彩色图像的灰度化处理。

当同一像素点的R、G、B彩色分量均相等时，该点的颜色为用灰度表示的消色。因此，将彩色图像转变为灰度图像的本质就是通过对R、G、B彩色分量的变换，使得每个像素点的R、G、B值相等。按照赋值方法的不同，可将彩色图像的灰度化方法分为最大值法、平均值法和加权平均法。

设 为彩色输入图像， 为输出的灰度图像。最大值法是将输入图像的每个R、G、B分量值的最大值赋给输出图像中对应像素的R、G、B分量，用公式可表示为

       (2.1)

平均值法是将输入图像的每个R、G、B分量的算术平均值赋给输出图像中对应像素的R、G、B分量的方法，用公式可表示为

      (2.2)文献综述

加权平均值法将输入图像中的每个R、G、B分量的加权平均值赋给输出图像中对应像素的R、G、B分量的方法，用公式可表示为

其中， 。

在加权平均法中，权值 的选择较为关键；权值不同，彩色图像的灰度化结果也不同，由于人眼对相同亮度单色光的主观亮度感觉不同，在利用相同亮度的三基色混合时，如果把混合后得到的白光亮度定义为100%，那么人眼对绿光的亮度感觉仅次于白光，是三基色中最亮的，红光此致，蓝光最低。因此，如果权值 满足 ，将会得到比较合理的灰度化结果，相关研究表明，当 时，得到的灰度化图像较合理，此时，式(2.3)就变为[25]

  (2.4)

经过仿真比较，用加权平均法进行灰度转化取得了比较好的效果，结果如图2.1所示，本文后续的灰度化处理均采用加权平均法。