《基于模板匹配的目标跟踪技术研究与实现毕业设计论文》由会员分享，可在线阅读，更多相关《基于模板匹配的目标跟踪技术研究与实现毕业设计论文（43页珍藏版）》请在金锄头文库上搜索。
1、 南华大学计算机科学与技术学院毕业设计（论文）计算机科学与技术学院毕业设计(论文)论文题目基于模板匹配的目标跟踪技术研究与实现 指导教师职 称讲师学生姓名学 号专 业网络工程班 级系 主 任院 长起止时间目 录第一章 绪论11.1研究背景与意义11.1.1 研究背景11.1.2 研究意义21.2 发展和研究现状31.2.1 基于灰度信息的模板匹配算法31.2.2基于几何特征的模板匹配算法41.3 本章小结5第二章 OpenCV视觉库简介62.1 OpenCV简介62.2 OpenCV关键技术介绍62.2.1 OpenCV 命名规则72.2.2 OpenCV 的基本数据类型82.3 OpenCV
2、图像/视频处理流程102.3.1 OpenCV 图像处理流程102.3.2 OpenCV 视频处理流程122.4 本章小结13第三章 模板匹配143.1模板匹配143.2模板匹配算法介绍143.2.1 模板匹配算法简要框图153.2.2 相似性度量163.3.3搜索策略173.3本章小结19第四章 基于模板匹配的目标跟踪204.1模板匹配跟踪算法204.2 评判算法的标准224.3 模板匹配跟踪算法缺陷234.4改进的模板匹配算法244.4.1 算法加速244.4.2 角度匹配254.4.3 位置角度匹配算法264.5 操作界面介绍以及实验结果分析274.5.1操作界面介绍274.5.2结果对
3、比分析314.6本章小结32总结33参考文献34谢 辞36基于模板匹配的目标跟踪技术研究与实现 摘要：视频目标跟踪是计算机视觉领域中一个非常活跃的研究领域，近年来已经逐渐成为学者们研究的热点。本文主要对模板匹配算法在目标跟踪领域中的应用进行研究，并对跟模板匹配目标跟踪相关的一些技术问题进行了深入的探讨。在Visual studio 2008开发环境下结合MFC和开源计算机视觉库（Open Computer Vision，OpenCV）用程序语言实现基于模板匹配的目标跟踪算法，并在图像序列上对模板匹配跟踪算法在降低复杂度和抗目标旋转方面的有效性进行了验证。 关键词：Visual studio 2
4、008；OpenCV；模板匹配；角度旋转匹配；目标跟踪I Design and Implementation of Template matching and tracking by using OPENCVAbstract: Video object tracking is a very active field of research in the field of computer vision, in recent years has gradually become the focus of the researchers. This paper mainly studies the
5、 matching algorithm in the field of target tracking on the template, and the template matching target tracking with some related technology problems are discussed. The combination of MFC and open-source computer vision library in Visual studio2008 development environment (Open Computer Vision, OpenC
6、V) tracking algorithm for template matching based object language, and matching tracking algorithm is verified effective in lowering the complexity and anti rotation target template in image sequences.Key words: Visual studio 2008; OpenCV; template matching; rotation matching；Object trackingII第一章 绪论
7、1.1研究背景与意义1.1.1 研究背景伴随着信息技术的发展，军事、航空、工程、航天等与计算机息息相关的领域也有了巨大的发展和进步，谈到这些领域，自然就会想到图像目标跟踪技术计算机图像处理技术与计算机视觉技术的重要组成部分之一。一般情况下，目标表示和目标定位、信息的过滤和数据关联两个部分就能够构成一个典型的目标跟踪系统。显然，这两个部分是分工合作的，目标表示和目标定位自下而上处理表面变化，而信息的过滤和数据关联自上而下处理目标动态变化。系统的稳定和有效性跟这两个独立的部分直接相关。每种跟踪系统的侧重点都是不同的，有些侧重于对象表示而非目标的动态变化，比如公共场所的面部跟踪；有些目标的运动和摄像
8、机本身的运动，比如空中视频监控系统。怎样在现实中很多更复杂的场景中让两者结合更好的结合是我们需要研究的重要课题。而其关键在于精确的分割、提取和识别。同时，完成算法所需要的时间也是需要纳入考虑因素中的。错综复杂的数据的模糊性和不确定性是对目标跟踪技术的要求越来越高的原因。基于运动分析方法与基于图像匹配方法是目前目标跟踪方法的两大类。两种方法各有优势。运算速度快、易于硬件实现是基于运动分析方法的优点。另一方面，在处理目标平移运动性能、对图像噪声处理以及结果与旋转尺度的相关性方面，基于图像匹配方法处理的更好，它的劣势是复杂背景时目标遮挡处理不够理想。模板匹配，顾名思义，是获得固定或者变化的模板之后，
9、经过一定的公式计算相似度，然后对比相似度的大小，在所搜寻的场景或者图像中找到物体的方位以及旋转角度。换句话说就是通过匹配的程度来跟踪已知特征的物体。作为一个当代信息社会的关键计算机图像处理技术，模板匹配可以应用的领域很多，所以自然会成为这些年来学者们所研究的热点。而根据该技术在应用过程中本身所获取的信息的异同，可以分为两种情况：一种是比较两幅图像的异同，这两幅图像可能是来自不同的图像摄入源也可能是来自通一个图像摄入源头的不同过的拍摄角度，通过比较确定它们之间存在的联系，为技术处理的下一步做相应的就绪准备；第二种是已有信息是给定的模板，在相对于模板来说更大的范围中即为搜索图像中找到模板中物体的方
10、位。目前这项技术已经在医学、军事等领域有了关键应用。比如，巡航导弹制导中，飞行器就是通过已经储存在它的计算机中的目标位置的模板，在其搜索图像中，也就是飞行器在飞行过程中所摄取的地面图像中，利用模板匹配技术，找到目标位置，然后进行摧毁。1.1.2 研究意义目标跟踪，就是运用各种手段实现主体对其关注的运动客体之状态建模、估计以及跟踪等的过程。而能够在图像信号中自动识别出目标，并且提取目标位置等信息，然后能自动跟踪目标运动的技术，称为目标跟踪技术。虽然很早学者们就提出了基于模板匹配的图像搜索，但由于机器的落后，数据处理的速度以及方法的问题等等，一直到七八十年代该技术才开始步入正轨。大致来说，根据所依
11、赖的特征的不同，该算法分为两大类，基于灰度以及基于几何。基于灰度的算法是以模板与搜索图像的灰度的相关系数作为判定标准，来判断模板中的物体是否在所搜索的图像中，同时确定该物体的位置。理论上来说就是在搜索区域移动一个固定大小的窗口，平移的过程就是记录窗口中所包含的图像内容的过程，每平移一次，就计算一次窗口当前包含的内容与模板的相似度并记录，然后比较得出最大的那个相似度，然后得到所需要的结果。这种方法在实现过程不受较大干扰的时候，结果是比较精确的。而且所需要的图像特征并不需要通过图像预处理，也就不需要承担这个过程所带来的误差。但是这类算法的缺点也是显而易见的，对外界的干扰，如光照、噪声等没有什么抵抗
12、能力，同时对于缩放、旋转了的图像，处理起来也没有让人满意的结果。有明确的数据表示，当被搜索区域的图像旋转大于5时，此算法的运行结果就会有很大的误差。第二种是基于几何特征的。这种算法首先会要进行图像的预处理，比如提取图像的边缘信息等，然后把提取出的数据作为待匹配的向量，计算模板与所搜索区域的图像的相似度。该算法由于提取了一些偏向于数据化的特征并统计出来，因而对于物理上的一些特征的稳定性要求就不会那么高，如灰度变化，噪声等。甚至存在被搜索图像有被遮挡的地方的情况下，还是可以的到数据结果。该算法还有一个显而易见的优点就是，可以处理缩放和旋转这样的复杂情况。但是可以处理复杂情况的算法相对于上一种算法来
13、说，复杂度大，难度也大，耗费的时间也更长。所以，如何研究出精确可靠但同时又拥有着快速高效的特点的该类算法，是研究者们所面临的一个急需要攻克的一个课题。时代在不断进步，人们对于机器视觉的需求也在增加，而图像数据像一个无边无际的海洋，庞大到限制了模板匹配的发展，因而开发出一种高精度并且能够满足现代人们快速达到需求的高速的模板匹配算法具有很重要的现实意义。1.2 发展和研究现状作为图像信号处理中经常用到的技术，模板匹配应用到了很多工业生产应用中的检测和监控上。模板匹配算法由以下四个要素组成：第一，特征空间，即为用于进行匹配时从模板中提取出的作为标准的信息。第二，被搜索空间，即为相对于模板来说更大的图
14、像信息的集合。第三，搜索策略，即为在被搜索空间中如何选择下一次匹配的过程。第四，相似度矩阵，即为匹配后计算所得相似度所组成的矩阵。现在已经存在的模板匹配算法有很多种，主要都旨在提高算法的准确度和速度。下面对之前所述的两类匹配算法的简单总结。1.2.1 基于灰度信息的模板匹配算法 基于灰度的模板匹配算法是在上个世纪的70年代在军事领域中最先发展起来的，最先运用于军用的飞行器的导航系统中，由于发展的时间相对来说比较长，相关理论研究和技术已经发展的比较纯熟，学者们提出的算法也很多，其中有三个比较经典，MAD 算法 、SSDA 序贯相似性算法以及NCC归一化相关算法。后两种算法是由 Silverman
15、 和 Barnea DI 两位学者一起在不同的时间提出的，第一种是由Leese 提出的。然而这些算法在理论上来说虽然已经发展的比较成熟，实际应用中却不然，由于精度和复杂度上的一些问题，很少被实际应用。在这两个缺点上，有研究者提出了一些改进的方法来提高计算的效率，缩短匹配需要消耗的时间，主要的两种方法分别为精简搜索空间中需要匹配的对象和减少算法中所运用的相似函数的运算量。其中有显著成效的是由Farhan Ullah 提出的将图像的灰度信息进行编码然后再进入到匹配过程的算法，该算法在计算速度上有了很大的提升，但是缺点也很明显，只可以在矩形图像中运用，而且对于外界自然因素的干扰没有什么抵抗力如光照，因而也很少在实际中应用到。1.2.2基于几何特征的模板匹配算法由于模板和在被搜索图像的目标之间不仅仅存在灰度的差异问题，缩放比例和旋转角度也是图像对比中经常存在的差异数据的来源，基于几何的匹配算法因而诞生。此类算法多种多样，与数学数量的变换息息相关，如傅里叶变换，直方图统计，K-L变换，图像距等。由于1996年B. Srinivasa Reddy 和 B.N. C
