目标跟踪

目标跟踪是计算机视觉领域里的一项重要任务。随着计算机的普及，高质量摄像头的使用，以及人们对视频自动分析方面日益增长的需求，目标跟踪算法研究逐渐成为计算机视觉领域研究人员关注的热点。最近几十年，该领域取得了显著的发展。目标跟踪通常是指对图像序列中的指定目标进行有效地监视，获得目标在图像坐标系的位置、形状、运动参数、以及运动轨迹，从而为进一步的图像处理和分析，如人脸识别，自动监视，智能交通，车辆导航，军事目标探测等更高一级任务的完成提供基础。

现在主要有如下应用：

1）公安刑侦破案，通过查询目标人物人像数据，检索寻找数据库中是否存在该对象重点人口基本信息；

2）门禁系统，受保护的地区可以通过人脸识别辨识试图进入者的身份，如人脸识别门禁考勤系统，人脸识别防盗门等；

3）军事领域，可应用于航空侦察、军事目标探测等。

本研究解决了目标跟踪的关键问题：跟踪的长期性、准确性、适应性。目标跟踪主要包括图像切割、特征提取、目标匹配等内容。本研究将图像划分为不同尺度的若干个图像块，特征提取和匹配都是基于图像块的，从大量的图像块中提取特征点，保证了跟踪的准确性。本研究将基于Lucas-Kanade光流法的短期跟踪模块与基于随机蕨丛分类器的检测模块相融合，可以解决目标经移动、遮挡后的跟踪问题，保证了跟踪的长期性。引入模型更新机制，将目标经过翻转、变形后的样本加入模型，使得跟踪对于目标外观具有很强的适应性。

部分应用效果图如下：

1）跟踪高速运动的汽车

选中公路上高速行驶的车辆进行跟踪，跟踪效果下图所示。由此可见，虽然车辆快速移动，但是跟踪效果良好；其中，当车辆被路牌部分遮挡时，目标丢失，这是由于本研究设置的置信度较高，虽然检测到了目标，但是为了保证跟踪结果的可靠性，所以没有目标输出。当遮挡消失后，目标立刻重新跟踪。而且由所示曲线可以看到，跟踪的结果置信度大多在0.7以上，这意味着当前跟踪目标是真实的目标的概率大于70%（置信度大于0.7则认为跟踪的目标为真实目标）。

: 长期目标跟踪算法在车辆数据集上跟踪的结果

: 长期目标跟踪算法在车辆数据集上的置信度曲线

2）跟踪行人

由上面的跟踪效果可知，本研究在对刚体目标进行跟踪时跟踪效果良好，对于非刚体对象——人，本研究同样有着令人满意的跟踪效果。如图所示，在复杂环境、行人外观一直发生变化的情况下，置信度输出令人满意（大多超过0.7），而且即使当行人经过遮挡物之后，长期跟踪算法仍然能够很好的识别出目标的位置，使得跟踪算法更具智能性。