研究目的和意义: 研究计算机视觉的目的是让计算机能够代替人眼及大脑，对环境进行感知、解释和理解。随着科学技术的不断发展，计算机视觉的应用范围日益扩大，对人类生产和生活的影响也日益增大。视频图像多目标跟踪作为计算机视觉领域中的重要研究方向，在上世纪 80 年代初以来的三十多年时间里得到了快速发展，涌现出各种各样的算法。视频图像多目标跟踪技术是对视频图像中的运动目标进行分析，如目标检测、分类、跟踪、识别、场景理解，为武器装备、导弹、飞机、轮船、卫星、情报分析系统等提供可靠的定位、导航、侦查、探测等信息，为视频目标分析系统采取进一步的措施提供依据。其基本思想是在序列图像中根据视频图像信息在空间和时间上的相关性，确定目标在下一帧的位置、姿态等有用参数。视频图像多目标跟踪技术在科学和工程中有重要的研究价值，在生产和生活中有广泛的应用前景。现今，它已经广泛应用于智能人机交互、计算机游戏、动画影片、计算机合成剪影、运动员训练、多媒体数据库检索和恢复、医疗诊断、智能机器人、智能监控、数字城市等诸多领域。 课题研究现状: 众多国家对视频图像目标跟踪进行了大量的研究。如1997年美国国防高级研究所项目署设立了以卡内基·梅隆大学机器人研究所为首，Sarnoff公司等多家单位参与的视觉监控重大项目（VSAM）系统，该系统可以应用于战场态势分析、难民流动情况监控、重要场所安全监控等。1998年至2002年，在欧盟IST研究计划框架的资助下，由法国国家计算机科学、控制研究院、英国的雷丁大学、金斯顿大学等机构联合开发了ADVISOR系统，该系统通过建立智能化的监控系统来提高公共交通网络的管理水平，从而保障人身和财产的安全。实时监控系统W4不仅能够在室外环境下对多人的活动进行检测、跟踪、监控，还能将人进行定位以及分割出人的身体部位。全球知名的智能视频监控企业ObjectVideo开发了一套主要针对公共区域安全视频监控、访问控制的智能嵌入式系统ObjectVideo，该系统可用于公共安全、安防、流程改进、商业智能信息收集等领域。 国内知名专家学者、科学研究院所、相关企业也高度重视视频图像多目标跟踪技术的发展。北京大学、清华大学、东北大学、复旦大学、浙江大学、中国科技大学、西北工业大学、中国科学院计算机所、中国科学院自动化所等都开展了对视频图像多目标跟踪的相关研究。如中国科学院自动化所模式识别国家重点实验室建立了一套针对室内外场景监控的视频运动目标分析系统，该系统不仅能实时纪录场景的变化，还可以分析场景中目标的运动状态，并且可以对人进行多生物特征识别。另外，西北工业大学建立了GreatWall系统，该系统即使在复杂环境下也能对目标进行有效跟踪，还可以在多摄像机的环境下完成目标交接，同时还能实现人体姿势识别、行为分析、航拍视频目标检测跟踪等功能。 课题研究主要内容、实施方案及创新点: 本文主要工作是通过研究视频图像多目标跟踪中数据关联算法，设计出具有创新性的数据关联算法。文章简述了多目标跟踪的基本理论，深入研究了最近邻算法、概率数据关联算法、联合概率数据关联算法、交互式多模型算法这四种经典的多目标跟踪数据关联算法，对这些算法进行了理论的仿真与分析，讨论了各算法的适用的范围及优缺点。文章针对联合概率数据关联算法进行了改进，引入目标区域颜色直方图匹配因素，能够减少量测与航迹关联的不确定性，有效区分杂波和目标，并仿真分析了该算法的可行性。 实施方案：采用matlab软件平台深入研究了最近邻算法、概率数据关联算法、联合概率数据关联算法、交互式多模型算法这四种经典的多目标跟踪数据关联算法并提出。 |
