运动目标的图像识别及追踪技术研究范文

本站小编为你精心准备了运动目标的图像识别及追踪技术研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要:研究了在一定背景下实现对运动目标的识别和追踪，分析与说明了基于运动目标图像识别下的追踪技术系统的功能实现过程。重点论述了图像信号处理单元的实现过程和基本算法，包括图像预处理，图像分割，目标识别与追踪算法，充分考虑系统的实时性，稳定性。通过分析，该系统能完成在一定场景下对运动目标进行追踪，达到预期的效果。

关键词:运动目标;图像识别;追踪技术

0引言

长期以来，图像的检测识别技术的优化始终困扰着相关研究与工作人员。以往进行运动目标图像识别与追踪的过程当中，将起始帧当作目标模板，缺乏与实际状况的结合，目标模板的更换不及时，致使目标追踪受到一定的影响。基于运动目标图像识别基础上的追踪管控系统的应用宗旨为利用摄像头对运动目标的图像序列加以采集，借助计算机完成分析处理，获取相应的运动参数信息，并有效加以参考，明确目标的最终位置。显然对于生产与生活来说，具有很高的实践价值。

1追踪技术的应用系统运作机制和构成

对于追踪技术的应用系统来说，主要涵盖了探测分析系统和伺服系统两个部分。其中前者主要发挥出对相关数据信息的测定分析作用，后者则达到有效追踪运动目标的效果。目标图像信号通过摄像头准确采集相关的运动目标的图像信号，利用图像信号对单元加以处理，形成相应的偏移信号的情况。实际上，偏移信号主要依靠驱动电路的作用，使得伺服系统发出相应的管控信号，从而提示有关摄像头，使运动目标处于可观察的范围之内，处于图像显示区域的核心周围处，以便最终实现自动追踪的目的［1］。整个系统包括摄像头，图像采集，监视器，驱动电路，伺服机构和图像信号处理单元6部分组成，其中图像信号的处理单元可谓核心部分，需要予以重点控制，有效保证整个追踪系统的计算方法与管控措施的正确、合理性，发挥出应有的效果。

2基于运动目标图像识别下的追踪技术应用系统的功能实现

2．1运动目标图像采集与波门的设置

以实现数据信息的实时处理效果作为运用宗旨，此追踪技术应用系统对灰度图像加以采集，以便得到CCD图像帧频是26Hz，帧图像的分辨率是514×514的像素，而其中的各个像素点均为9bit量化处理。合理设置波门对于追踪功能的实现非常重要，以此窗口入手，鉴于高于目标对象却小于视场的特征，通过对波门加以科学设置，不但能够使背景影响因素消除，而且可以大大提高计算的速度，降低了相应的计算任务量。通过依据运动目标的图像中心及其尺寸情况，有效控制其尺寸规格［2］。从当前的图像目标的具体位置，合理设置波门的中心，并不断改进波门的尺寸情况，直到适应为主。如此基于确保相关追踪精度的准确性的基础上，尽可能降低计算的任务量，并有效提升系统的抵抗干扰的水平。具体算法如下:=ST+5，ST#()5ST+ST()3，15＜ST＜()30ST+10，ST＞()30式中SG，ST分别为波门和目标尺寸。

2．2图像预处理的有效运用

在对所观察的运动目标图像科学转换为依靠计算机工具实施的数字图像的过程当中，可能会受到各类因素的干扰影响，导致图像出现相应的失真与噪声情况。实施图像的预处理，是准确提取图像特点以前必须进行的工作，以便达到减轻图像失真与噪声的影响，提升图像当中的信号情况，使得图像质量获得增强，非常便于以后的处理与改进。进行预处理的时候，常见的两种运用方法为中值滤波法与局部均值滤波法［3］。此次研究分析中运用到的为中值滤波法。作为一项非线形滤波技术，中值滤波法的合理运用，能够降低图像当中的噪声影响。作为一个窗口，中值滤波器涵盖有奇数个象素，利用窗口当中全部象素的中值替换窗口当中的像素，并通过下式进行分析计算:g(m，n)=medianAfA[(m，n)]从上面的公式可知，medianA代表的为A窗口之下进行中间值选取，fA(m，n)代表的为将象素(m，n)作为中心的A窗口之下的相关灰度数值。相较于其他局部均值滤波，中值滤波拥有一定的优势特点，主要表现在下述三个方面:(1)在减少噪音的影响方面的成效非常显著;(2)处于灰度值变化不大的状态之下，非常有利于进行平滑的处理;(3)使得图像边界位置处的模糊程度得以降低。由此可见，通过合理运用中值滤波法，能够达到良好的预处理效果。

2．3针对运动目标图像的识别与追踪

在追踪技术的应用过程当中，运动图像目标的准确识别出来是非常关键的。通过结合经细致选取后的运动目标的图像特点情况，使得存在于背景当中的目标对象被采用科学的识别技术和手段有效识别出来，以便为后续的追踪运动目标做出良好的铺垫［4］。对于整个图像识别的过程，现将其概括为下述几点:第1，对于所要实施计算和识别的运动目标而言，应进行其相关模型处于不同形态之下的不变矩的计算和分析，并将计算得出的平均数值当作模型特征库初始特征的向量。第2，对存在于计算库当中的各个特征向量的相应特征元方差加以计算，并使此方差的倒数值当作与其对应的特征元加权因子，再乘以特征元，最终获得到模型特征库当中可以发挥识别作用的具体特征向量。第3，在系统运行时，通过对运动目标的捕捉计算出未知的特征向量并乘上同样的加权因子后，与模型特征库中的特征向量进行匹配。计算出两个特征向量的范数，取其中最小值所对应的目标类型作为未知目标的识别类型。当对运动目标的图像予以准确识别以后，便开始了下一步的运动目标的追踪环节。追踪应用系统进行运作的过程当中，应该结合运动目标的图像信息，获取到具体的运动目标的精准位置，在产生相应的追踪误差信号后，促使伺服机构展开运动目标的实时追踪。进行运动目标的图像位置获得的时候，常见的方法包括了两种:一是波门追踪分析法;二是图像匹配的追踪分析方式［5］。对于波门跟踪分析法而言，主要是结合运动目标的具体的形状信息数据，从而确定最终的目标位置，此种方法主要以较高的图像信噪比、较小的运动目标为应用对象。而图像匹配追踪法，则主要对所参考的目标图像和实时图像之间的关联度情况加以提取处理，然后最终明确运动目标的具体位置，主要较低的图像信噪比以及复杂的背景作为主要应用对象。此次研究的相关背景环境较为简单，可以运用波门追踪法加以有效计算和分析，以便获得良好的效果。考虑到是在一定背景下的目标追踪，所以采用波门追踪算法，具体实现如下:设波门大小为M×N，分割后的图像为B(m，n)，则目标中心坐标mc(，n)c为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)通过结合运动目标实时的位置数据和信息，采用拟合函数的预测方法，对下一时间段的运动目标的速度与具体的位置加以预测与分析，从而确保运动目标的位置被精确地定位，完成相应的跟踪任务。

3结论

阐述了追踪技术的应用系统运作机制和构成，分析与说明了基于运动目标图像识别下的追踪技术应用系统的功能实现过程:运动目标图像采集与波门的设置、图像预处理的有效运用、针对运动目标图像的识别与追踪。具有较好的实时性，而且能在目标被干扰的情况下对目标进行连续追踪，具有一定的抗干扰性。望此次研究的内容和结果，能够获得相关部门人员的重视和关注，并从中得到一定的帮助，有效推广我国的运动目标图像识别与追踪技术。

参考文献:

［1］张军，李金方，黄忠毅．图像识别技术在录播系统中的应用研究［J］．现代教育技术，2016，19(01):125－128．

［2］张志刚，赵振宇，张国兵．图像识别技术在网络录播系统中的应用研究［J］．网络安全技术与应用，2015，35(04):37－40．

［3］张密科，胡选儒．基于图像纹理分析的动态车辆识别方法研究［J］．公路交通科技，2017，34(10):122－127．

［4］张杏．低信噪比图像中多运动目标的实时识别研究与应用［J］．工程科学技术，2015，28(07):45－49．

［5］刘高，曾懿辉．嵌入式视频和图像识别技术在架空输电线路智能监控中的应用研究［J］．计算机系统应用，2016，22(11):58－61．

作者:单琳娜 单位:佳木斯大学信息电子技术学院