运动目标跟踪方法
方法大致可以分为四类：基于区域匹配的跟踪方法、基于模型的跟踪方法、基 于动态轮廓的跟踪方法和基于特征的跟踪方法。
(1)基于区域匹配跟踪方法的主要思想：该方法主要是将包含运动目标的
运动区域作为参考模板12引，在下一帧图像中按照一定的搜索方法搜索模板，找 到的最优搜索区域判定为匹配区域。该方法在理论上是十分有效，其可以获得 丰富的目标信息，对小目标跟踪效果好；但是当搜索范围较大时，目标匹配会 花费大量的时间，而且如果目标发生变化或者被遮挡时，跟踪效果会大大下降。
(2)基于模型跟踪方法的主要思想：该方法通常会使用三种模型进行目标
跟踪：线图模型、2D 模型、3D 模型【231。在实际的应用中，由于3D 模型更接近 现实生活中的物体，使用最多的是基于3D 模型的跟踪方法，特别是针对刚体(如 汽车、飞机等) 的跟踪。概括来说，跟踪的方法如下：利用获得的目标3D 模型， 然后针对实际的视频序列进行目标的搜索与匹配。在实际的跟踪环境中，3D 模 型的运算量很大，而且获得所有目标的3D 模型并全部存储是一项几乎不可能的 任务，因此该方法的实际应用比较少。
(3)基于动态轮廓跟踪方法的主要思想：该方法主要是指对目标的轮廓进
行提取，即用一组封闭的轮廓曲线来描述目标，将其作为匹配的模板。此轮廓 曲线能进行自我更新以适应非刚体目标的形状变化12引。例如Paragan 等人利用短 程线的轮廓，加入水平集理论检测并跟踪目标【2 5J；最经典的算法是Michael Kass 等人在1 988年提出的主动轮廓模型(即Snake 模型) 的方法【2 6|，其本质是能量 的最小化。通过不断求解轮廓曲线能量函数的最小值，不断调整其形状，从而 实现对目标的跟踪。该方法在简单背景下，能够准确的进行目标跟踪。但其对 于背景复杂情况以及速度较快或形变较大的目标，运算速度很慢，而且对于遮 挡问题的解决不是很好，因此很少应用于实际的监控系统中。
(4)基于特征的跟踪方法的主要思想：该方法主要是通过提取目标特定的
特征集合，如角点或边界线条等【2¨，将其作为跟踪模板，在下一帧中搜索并进 行帧间的匹配，从而实现目标的跟踪1281。改算法的优点在于其是以目标特征为 基础，因此，在目标的整体特征不完整，即目标被部分遮挡的情况下仍然可以 实现跟踪。该方法是目前应用最多的一种方法。
1．4．课题的研究内容与论文结构安排
运动目标检测与跟踪是智能视频监控领域的基础与前提。本文主要是针对 静态场景下的运动目标检测与跟踪，通过不断的研究和学习，找到更好的运动 目标检测与跟踪方法。
本文对目前常用的目标检测与跟踪方法进行了原理介绍与性能分析，并在 前人的基础上提出了自己的解决方案，且与原有的基于混合高斯模型的目标检 测方法以及基于基于码本模型的目标检测进行了比较。在运动目标跟踪方面采 用基于Kalman 预测的Mean Shift 方法，同时加入了信息量度量的方法，使得