本站小編為你精心準備了運動目標的圖像識別及追蹤技術研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:研究了在一定背景下實現對運動目標的識別和追蹤，分析與說明了基于運動目標圖像識別下的追蹤技術系統的功能實現過程。重點論述了圖像信號處理單元的實現過程和基本算法，包括圖像預處理，圖像分割，目標識別與追蹤算法，充分考慮系統的實時性，穩定性。通過分析，該系統能完成在一定場景下對運動目標進行追蹤，達到預期的效果。

關鍵詞:運動目標;圖像識別;追蹤技術

0引言

長期以來，圖像的檢測識別技術的優化始終困擾著相關研究與工作人員。以往進行運動目標圖像識別與追蹤的過程當中，將起始幀當作目標模板，缺乏與實際狀況的結合，目標模板的更換不及時，致使目標追蹤受到一定的影響。基于運動目標圖像識別基礎上的追蹤管控系統的應用宗旨為利用攝像頭對運動目標的圖像序列加以采集，借助計算機完成分析處理，獲取相應的運動參數信息，并有效加以參考，明確目標的最終位置。顯然對于生產與生活來說，具有很高的實踐價值。

1追蹤技術的應用系統運作機制和構成

對于追蹤技術的應用系統來說，主要涵蓋了探測分析系統和伺服系統兩個部分。其中前者主要發揮出對相關數據信息的測定分析作用，后者則達到有效追蹤運動目標的效果。目標圖像信號通過攝像頭準確采集相關的運動目標的圖像信號，利用圖像信號對單元加以處理，形成相應的偏移信號的情況。實際上，偏移信號主要依靠驅動電路的作用，使得伺服系統發出相應的管控信號，從而提示有關攝像頭，使運動目標處于可觀察的范圍之內，處于圖像顯示區域的核心周圍處，以便最終實現自動追蹤的目的［1］。整個系統包括攝像頭，圖像采集，監視器，驅動電路，伺服機構和圖像信號處理單元6部分組成，其中圖像信號的處理單元可謂核心部分，需要予以重點控制，有效保證整個追蹤系統的計算方法與管控措施的正確、合理性，發揮出應有的效果。

2基于運動目標圖像識別下的追蹤技術應用系統的功能實現

2．1運動目標圖像采集與波門的設置

以實現數據信息的實時處理效果作為運用宗旨，此追蹤技術應用系統對灰度圖像加以采集，以便得到CCD圖像幀頻是26Hz，幀圖像的分辨率是514×514的像素，而其中的各個像素點均為9bit量化處理。合理設置波門對于追蹤功能的實現非常重要，以此窗口入手，鑒于高于目標對象卻小于視場的特征，通過對波門加以科學設置，不但能夠使背景影響因素消除，而且可以大大提高計算的速度，降低了相應的計算任務量。通過依據運動目標的圖像中心及其尺寸情況，有效控制其尺寸規格［2］。從當前的圖像目標的具體位置，合理設置波門的中心，并不斷改進波門的尺寸情況，直到適應為主。如此基于確保相關追蹤精度的準確性的基礎上，盡可能降低計算的任務量，并有效提升系統的抵抗干擾的水平。具體算法如下:=ST+5，ST#()5ST+ST()3，15＜ST＜()30ST+10，ST＞()30式中SG，ST分別為波門和目標尺寸。

2．2圖像預處理的有效運用

在對所觀察的運動目標圖像科學轉換為依靠計算機工具實施的數字圖像的過程當中，可能會受到各類因素的干擾影響，導致圖像出現相應的失真與噪聲情況。實施圖像的預處理，是準確提取圖像特點以前必須進行的工作，以便達到減輕圖像失真與噪聲的影響，提升圖像當中的信號情況，使得圖像質量獲得增強，非常便于以后的處理與改進。進行預處理的時候，常見的兩種運用方法為中值濾波法與局部均值濾波法［3］。此次研究分析中運用到的為中值濾波法。作為一項非線形濾波技術，中值濾波法的合理運用，能夠降低圖像當中的噪聲影響。作為一個窗口，中值濾波器涵蓋有奇數個象素，利用窗口當中全部象素的中值替換窗口當中的像素，并通過下式進行分析計算:g(m，n)=medianAfA[(m，n)]從上面的公式可知，medianA代表的為A窗口之下進行中間值選取，fA(m，n)代表的為將象素(m，n)作為中心的A窗口之下的相關灰度數值。相較于其他局部均值濾波，中值濾波擁有一定的優勢特點，主要表現在下述三個方面:(1)在減少噪音的影響方面的成效非常顯著;(2)處于灰度值變化不大的狀態之下，非常有利于進行平滑的處理;(3)使得圖像邊界位置處的模糊程度得以降低。由此可見，通過合理運用中值濾波法，能夠達到良好的預處理效果。

2．3針對運動目標圖像的識別與追蹤

在追蹤技術的應用過程當中，運動圖像目標的準確識別出來是非常關鍵的。通過結合經細致選取后的運動目標的圖像特點情況，使得存在于背景當中的目標對象被采用科學的識別技術和手段有效識別出來，以便為后續的追蹤運動目標做出良好的鋪墊［4］。對于整個圖像識別的過程，現將其概括為下述幾點:第1，對于所要實施計算和識別的運動目標而言，應進行其相關模型處于不同形態之下的不變矩的計算和分析，并將計算得出的平均數值當作模型特征庫初始特征的向量。第2，對存在于計算庫當中的各個特征向量的相應特征元方差加以計算，并使此方差的倒數值當作與其對應的特征元加權因子，再乘以特征元，最終獲得到模型特征庫當中可以發揮識別作用的具體特征向量。第3，在系統運行時，通過對運動目標的捕捉計算出未知的特征向量并乘上同樣的加權因子后，與模型特征庫中的特征向量進行匹配。計算出兩個特征向量的范數，取其中最小值所對應的目標類型作為未知目標的識別類型。當對運動目標的圖像予以準確識別以后，便開始了下一步的運動目標的追蹤環節。追蹤應用系統進行運作的過程當中，應該結合運動目標的圖像信息，獲取到具體的運動目標的精準位置，在產生相應的追蹤誤差信號后，促使伺服機構展開運動目標的實時追蹤。進行運動目標的圖像位置獲得的時候，常見的方法包括了兩種:一是波門追蹤分析法;二是圖像匹配的追蹤分析方式［5］。對于波門跟蹤分析法而言，主要是結合運動目標的具體的形狀信息數據，從而確定最終的目標位置，此種方法主要以較高的圖像信噪比、較小的運動目標為應用對象。而圖像匹配追蹤法，則主要對所參考的目標圖像和實時圖像之間的關聯度情況加以提取處理，然后最終明確運動目標的具體位置，主要較低的圖像信噪比以及復雜的背景作為主要應用對象。此次研究的相關背景環境較為簡單，可以運用波門追蹤法加以有效計算和分析，以便獲得良好的效果。考慮到是在一定背景下的目標追蹤，所以采用波門追蹤算法，具體實現如下:設波門大小為M×N，分割后的圖像為B(m，n)，則目標中心坐標mc(，n)c為mc=∑M－1m=0∑N－1n=0mB(m，n)/∑M－1m=0∑N－1n=0B(m，n)nc=∑M－1m=0∑N－1n=0nB(m，n)/∑M－1m=0∑N－1n=0B(m，n)通過結合運動目標實時的位置數據和信息，采用擬合函數的預測方法，對下一時間段的運動目標的速度與具體的位置加以預測與分析，從而確保運動目標的位置被精確地定位，完成相應的跟蹤任務。

3結論

闡述了追蹤技術的應用系統運作機制和構成，分析與說明了基于運動目標圖像識別下的追蹤技術應用系統的功能實現過程:運動目標圖像采集與波門的設置、圖像預處理的有效運用、針對運動目標圖像的識別與追蹤。具有較好的實時性，而且能在目標被干擾的情況下對目標進行連續追蹤，具有一定的抗干擾性。望此次研究的內容和結果，能夠獲得相關部門人員的重視和關注，并從中得到一定的幫助，有效推廣我國的運動目標圖像識別與追蹤技術。

參考文獻:

［1］張軍，李金方，黃忠毅．圖像識別技術在錄播系統中的應用研究［J］．現代教育技術，2016，19(01):125－128．

［2］張志剛，趙振宇，張國兵．圖像識別技術在網絡錄播系統中的應用研究［J］．網絡安全技術與應用，2015，35(04):37－40．

［3］張密科，胡選儒．基于圖像紋理分析的動態車輛識別方法研究［J］．公路交通科技，2017，34(10):122－127．

［4］張杏．低信噪比圖像中多運動目標的實時識別研究與應用［J］．工程科學技術，2015，28(07):45－49．

［5］劉高，曾懿輝．嵌入式視頻和圖像識別技術在架空輸電線路智能監控中的應用研究［J］．計算機系統應用，2016，22(11):58－61．

作者:單琳娜 單位:佳木斯大學信息電子技術學院