发布时间 : 星期一 文章基于视频图像序列的目标运动轨迹提取技术更新完毕开始阅读5e846eea5ef7ba0d4a733b19
发展，视频监控系统取得了很大的进步和成就，1997年，美国DARPA （Defense Advanced Research projects Agency ）就设立了以卡内基梅隆大学为首的视觉监控重大项目VSAM（Visual Surveillance And Monitoring），其目标是建立一个能在城市或战场等复杂环境下应用多个摄像机对人、车等的行为进行监控的系统，用于实现人力监控费用昂贵、非常危险或者人力无法到达的场合的监控；2000年开始，美国DARPA又资助了HID（Human Identification at a Distance）项目，其任务是开发多模式、大范围的视觉检测技术，实现远距离人的检测、分类和识别。有26个高校公司参与了该项目。Berkelye 分校从上世纪90年代初开始对实时交通监控方面进行研究，在运动物体分割、运动物体跟踪、遮挡处理等技术方面的研究上取得了一定的成果，并发表了多篇相关科学研究论文。
在国内，对于这两种情况的轨迹提取技术的研究研究起步较晚，发展水平相对较低。我国从1986年开始对图像跟踪正式立项研究，图像跟踪算法理论研究取得了很大的发展。2002年刘永信等人探讨了基于Kalman滤波理论的渐消记忆递归最小二乘法在重建图像背景中的应用；同年，张辉等人研究了如何实现出格点检测和聚类自动检测；1999年王栓等介绍了一种基于差分图像的运动目标检测算法，检测结果是符号化了的图像，其中运动目标由外接矩形表示，然后根据连续性约束假设，实现了运动目标的跟踪；2003年隋晔等讲述了交通监控系统中应用视频图像流来跟踪运动目标并对目标进行分类的具体过程和原则，基于目标检测提出了双差分的目标检测算法，目标分类应用到了连续时间限制和最大估计的原则。
而对于固定参照物视场变动情况下的图像分析研究目前还处于目标的检测、跟踪和测量上，还没达到轨迹精确测算的理论高度。如：美国MIT的Lincoln实验室自90年代以来，在航拍图像处理方面做了大量的工作，他们综合利用高分辨率多极化航拍图像的多种特征进行目标的自动识别，因其高分辨率的数据特性，可采用二维匹配的方法确定目标的位置及方位角，最后采用盒维数对目标进行检测、跟踪。同时，西欧各国也投入了大量的人力物力从事航拍目标识别、跟踪的技术研究，如英国学者采用MUM（Mergeusing Moments）算法和最大似然估计对航拍图像的纹理特征进行分类，法国Sheffield University的学者采用模板匹配运用互相关及K-S相关（Kolmogorov-Smirnov）算法提取特征，都得到了很
好的效果。国内发展也较快，已经有很多研究机构投入到航拍图像分析研究中，中北大学、国防科技大学、东南大学以及中国科学院电子学研究所38所等单位一直在积极开展固定参照物视场变动情况下的图像跟踪、检测方面的研究。上述研究成果虽然能够很好地实现固定参照物视场变动情况下的目标识别、跟踪等图像分析工作，但是很难实现运动目标的轨迹测算。这是因为在轨迹测算过程，需要解决相机视场中相对位置精确提取，相机的瞬时姿态校正、轨迹误差累积消除等关键技术。目前这些相关技术还处在理论研究阶段，还未组成应用于实际的成型系统。 1.3课题来源
本课题来源于中北大学申请的山西省自然基金“基于时、空图像信息融合的三维测量技术（基金号2007012003）”。在此基金的支持下，论文主要是利用图像序列的时、空信息实现运动的目标运动轨迹的精确测算。 1.4主要研究内容
本文在深入研究图像的时、空信息的基础上，组建了基于视频图像序列的目标运动轨迹提取系统。在该系统中，研究了成像系统外参实时校正算法、多目标优化特征提取算法，有效的解决了累积误差较大、坐标计算精度低等问题，实现了运动目标轨迹的精确测算。具体研究内容如下：
第一章介绍了课题的研究背景、目的和意义，综述了目标轨迹提取的研究现状，然后对基于GPS 的目标运动轨迹提取技术和基于图像的目标运动轨迹跟踪技术的两种形式分别做了介绍。最后提出了本文的研究内容，确定了本文的研究方向。
第二章在了解了本课题的研究目的和应用背景的基础上，组建了目标运动轨迹提取系统。该系统融合了图像实时采集、图像处理、目标运动轨迹测算和提取以及数据存储的功能。然后分别详述了视频采集子系统、相机姿态实时获取子系统、光照自适应子系统以及详细说明了各个子系统之间的关系和功能，为后面章节中的算法模型建立和实验验证提供了可靠的系统平台。
第三章在分析了系统组成的基础上，研究了相机参数标定及姿态校正技术。
首先分析了相机成像模型和相机参数标定方法，然后利用两步法对相机参数进行标定。其次在对空间坐标系分析的基础上，通过陀螺仪获取的数据和空间坐标系变换关系对相机姿态实时校正。
第四章针对基于多目标优化SIFT特征匹配算法，研究了多目标优化理论及优化模型的构建，建立了以相关系数和特征点之间的欧氏距离为目标函数，以置信度为约束条件的多目标优化模型，并通过实验仿真对本文提出的算法模型进行验证。最后研究了实际运动轨迹提取并进行了实验验证。
第五章对论文的主要研究成果和创新之处进行了总结，分析了论文中存在的问题，为今后进一步的研究指明了方向。
2运动目标轨迹提取系统的设计
2.1系统原理及构成
系统的硬件组成：计算机、陀螺仪、千兆网采集卡以及摄像机。如图2.1所示。
计算机陀螺仪千兆网卡图2.1 系统硬件组成
摄像机 系统的软件组成主要分为三个软件处理模块：视频采集模块（CCD成像系统和图像采集）、目标姿态实时获取模块、光照调节模块以及图像处理模块（包括图像预处理、特征点提取以及目标匹配）。如图2.2所示。
视频采集模块图像处理模块CCD成像系统图像采集图像预处理特征点提取目标匹配轨迹提取相机标定光照自适应调节载体姿态实时获取模块
图2.2 系统软件组成
系统的工作流程如下：摄像机的模拟信号通过千兆网线传送至计算机。计算机通过千兆网卡将模拟视频信号转换为数字信号，该转换输出的数字图像一方面在计算机显示，另一方面千兆网采集卡的输出同时传送至内存进行目标检测和跟踪。通过对图像序列的特征点提取和匹配结果获得相邻帧图像间的距离变化以及角度变化。最后依据陀螺仪实时获取的坐标系角度变化和空间坐标系的转换关系，实现目标运动轨迹的实时跟踪和提取。 2.1.1 视频采集模块 （1）摄像机
摄像机是监控系统的重要部件。工程应用中大量采用的是电荷耦合式CCD(Charge Coupled Devices)，在图像采集领域，CCD传感器是一种新型的固体成像器件。利用这种芯片，借助于必要的光学系统和合适的外围驱动电路，可以将景物图像，经过光敏区上逐点的光电信号转换、储存和传输、在输出端产生系列时序视频信号，从而把一幅按空间域分布的光学图像，变成一列按时间域分布的离散电信号。
作为一种固体成像器件，CCD具有以下特点：体积小、重量轻、电压及功耗低、可靠性高、寿命长等一系列优点；且具有很高的空间分辨力、光敏元间距