4.3.1  归一化积匹配原理 15

4.3.2  归一化匹配步骤 16

4.4   基于模板的图像匹配 17

4.4.1  模板图像匹配基本原理 17

4.4.2   模板图像匹配程序仿真 19

4.4.3 结果分析 20

5  目标追踪 21

5.1.1   相邻帧差法 21

5.1.2背景差法 22

5.2   运动目标追踪 23

结  论 25

致  谢 26

参考文献 27 

1  绪论

   随着科技发展，信息技术已成为影响社会的深刻因子，对信息的提取加工以及处理应用已成为信息时代的最基本任务之一。伴随信息化时代的到来，计算机图像相关处理技术[迅速发展，其应用在各个行业迅速普及，并在信息社会中起到越来越重要的作用，主要得益于计算机软硬件技术的迅猛发展，尤其是计算机传输速度、存储容量、计算速度等相应关键指标的提高。

1.1  研究背景

数字图像处理及分析技术有很多领域的应用学科，迄今出现很多相关学科应用，包括机器视觉（Machine Vision）、计算机视觉应用（Computer Vision & Applications）以及模式识别与人工智能（AI）等。数字图像处理及分析技术已和计算机一样，成为了科学研究中的通用工具。近年来，由于数字设备的计算和存储成本下降，直接应用视频采集图像并实现视频图像处理。视频图像的运动目标分析在很多领域中有相当好的发展前景，如工程应用、科学技术研究和计算机视觉，这些原因推动了视频目标跟踪研究的发展。视频运动目标跟踪融合了自动控制（Auto Control）、人工智能(AI)、图像处理(Image Processing)、模式识别等许多领域的先进技术，综合而言，视频目标追踪系统具有鲁棒性强、应用直接、成本较低等诸多优点。

   视频目标追踪有多种实现方法，其中一种应用较为广泛，实现较为直接的被称为图像匹配[1]算法。通常，依照给定目标图像，在一幅（或一系列）图像中搜寻与其相似的图像或图像区域（子图像）的过程[2]称为图像匹配(Image Matching)。图像匹配中，包括已知的目标模板图像(Template Image)，以及与模板待匹配的目标图像(Target Image)。越来越多的计算机视觉应用中使用图像匹配技术，包括道路交通管理、工业自动化检测、文字识别、图像检索、飞行器的地形匹配以及军用雷达的图像追踪等。

   模板匹配具有应用广泛，实现直接等优点，很多时候拍摄的图像会存在某种程度上的外形形变和色度失真，其原因包括图像获取角度、拍摄时间、周围环境变化、多个传感器之间的不平衡以及传感器自身物理缺陷和噪声影响等。这样，在上述干扰、噪声等负面影响下，怎样才能获得较高匹配精度、较高匹配率、快速度和抗干扰的匹配算法，或者说如何在这些度量之间取舍平衡，就显得相当重要，成为了数字图像研究领域一门重要课题。

1.2  研究问题

  所谓模板匹配法就是指在一帧图像内寻找目标模板的位置，和模板最接近的区域就是目标。度量目标模板和子区域的相似程度成为模板匹配方法的一个关键，最简单的方法就是计算这二者的相关系数，计算方法有归一化相关准则，平均绝对差值法，平均差值平方法等。