文档介绍：视频分析运动目标的跟踪跟踪等价于在连续的图像的帧之间创建基于位置、速度、形状、纹理、色彩等有关特征的对应匹配问题,目的是在连续视频图像的帧之间建立目标的对应关系。在计算机视觉中,目标的跟踪问题是令人感兴趣且比较困难的问题,它可以提供关于运动目标尽管时间变化而其自身不变的数据,这不但被用来加强低水平上的图像处理(如运动分割),同时也为高水平的数据提取(如活动分析和行为确认)提供帮助。常用的数学工具有卡尔曼滤波(KalmanFiltering)、Condensation算法及动态贝叶斯网络[36](work)等。卡尔曼滤波是以最小均方误差为估计的最佳准则,采用信号与噪声的状态空间模型,利用前一时刻地估计值和当前时刻的观测值来更新对状态变量的估计,求出当前时刻的估计值。但是它不能有效地处理多峰模式(Multi-mode)的分布情况;Condensation算法是以因子抽样为基础的条件密度传播方法,它结合了可学****的动态模型,可以鲁棒的完成运动目标的跟踪。视频的目标跟踪可按其应用需要进行分类,也可以按其求解方法进行分类。由于受到图像质量的影响,室外视频监控一般对整个人体的跟踪就足够了,而诸如跟踪如手、脸、头、腿和身体躯干部分等的有关目标的各个部分的跟踪必须是在某些室内条件下视频监控进行,并且一般都针对高水平的行为理解的应用。跟踪还可以从跟踪视角而言进行分类,有对应于单摄像机的单一角的跟踪、对应于多摄像机的多视角的跟踪和全方位视角的跟踪;当然还可以通过跟踪空间(二维或三维)、跟踪环境(室内或户外)、跟踪人数(单人、多人、人群)、摄像机状态(运动或固定)等方面进行分类。但从总体上来看,有两种常用的对象跟踪方法:一种是基于匹配对应关系;另一种是通过位置预测或者运动估计来明确跟踪目标的。基于匹配对应关系的跟踪通常可分为基于模型的跟踪、基于区域的跟踪、基于活动轮廓的跟踪、基于特征的跟踪。一般来说,多数的目标的部分跟踪是利用基于模型的模式来进行定位并跟踪的。已有一些有关模型的运用,例如线图法,二维轮廓,立体模型等。所谓线图法是指人运动的实质是骨骼的运动,因此,该方法是将身体的各个部分以直线来近似;二维轮廓是指在人体表达方法中使用直接与人体在图像中的投影有关的信息,如Ju等人提出的纸板人模型,它将人的肢体用一组连接的平面区域块所表达,该区域块的运动参数受到关节运动(ArticulatedMovement)的约束,这种模型可被用于关节运动图像的分析;而立体模型(VolumetricModel)是利用广义锥台、椭圆柱、球等三维模型来描述人体的结构细节,因此,需要大量的计算参数,而匹配过程也需要较大的计算量。基于区域的跟踪(Region-basedTracking):基于区域的跟踪方法目前已有较多的应用,例如Wren等利用小区域特征进行室内单人的跟踪,文中将人体看作由头、躯干、四肢等身体部分所对应的小区域块所组成,利用高斯分布建立人体和场景的模型,属于人体的像素被规划于不同的身体部分,通过跟踪各个小区域块来完成整个人的跟踪。基于区域跟踪的难点是处理运动目标的影子和遮挡,这或许可利用彩色信息以及阴影区域缺乏纹理的性质来加以解决,如McKenna等首先利用色彩和梯度信息建立自适应的背景模型,并且利用背景减除方法提取运动区域,有效地消除了影子的影响;然后,跟踪过程在区域、人、人群三个抽