运动物体的跟踪

边缘是指图像局部亮度变化最显著的部分。边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间，是图像分割、纹理特征提取和形状特征提取等图像分析的重要基础。边缘提取首先检出图像局部特性的不连续性，然后再将这些不连续的边缘像素连成完备的边界。边缘的特性是沿边缘走向的像素变化平缓，而垂直于边缘方向的像素变化剧烈。通过边缘提取，可以有效的获得图像的轮廓，进一步，对图像的各种特征的提取具有十分重要的意思，本课题，所采用的边缘提取算法如下图所示：

 

图7 边缘提取矩阵变换

该方法基本思想是判断当前非零点及其周围8个相邻点的值来判断是否为边界点。如图7，若一非零点的上、下、左、右四个邻点有任一点的像素为0，则判断该点为边界点；否则，若其相邻点像素均为0，则判断该点为内点。

    边缘提取的仿真效果如下图所示：

图8 边缘提取仿真效果

通过上面的几个步骤，最终实现运动人体的检测，最后的仿真结果如下图所示：

(a).运动人体检测效果一

(b).运动人体检测效果二

图9 .运动人体检测效果仿真结果

从上面的仿真结果可知，通过算法之后，基本实现了视频中每个运动个体的检测，图9中，红色部分即为实际运动的人体。

但是，目前本算法仅仅实现了运动物体的检测，而没有实现每个个体的跟踪，在下一节，我们将介绍实现运动个体的跟踪的效果。

在完成目标的检测后，接下来的任务就是对运动目标进行跟踪。所谓的目标跟踪就要根据目标的特征在帧间建立联系。其等价于在连续的图像帧间创建基于位置、速度、形状、纹理、色彩等有关特征的对应匹配问题。

    在上一节的介绍中，我们已经成果的将运动物体使用方框表示出来了，本章主要介绍运动跟踪，通过运动跟踪，将运动中的一个特定目标，进行实时的跟踪。

本课题，采用的跟踪方法为基于运动位置的跟踪算法，其算法的主要理论如下，假设某一时刻，检测到的N个视频目标的中心坐标点为：

 

    那么，对于后一帧而言，距离最小的即为被检测的运动物体。

    其仿真结果如下图所示：

(a). 运动人体跟踪仿真效果二

 

(b). 运动人体跟踪仿真效果二

图10 .运动人体跟踪仿真效果

    从上面的仿真结果可知，采用本算法，可以成功的跟踪某个特定的运动人体。

在实际的情况下，运动物体时常会出现交叉，重叠，运动幅度过低，导致未检测到当前运动物体等各种情况，这对本系统的检测造成了一定的影响，下面就本视频的跟踪问题进行分析。

对于运动物体发送交叉的情况，其仿真结果如下所示：

图11 多个运动物体发生重合的情况

    从上面的仿真结果可知，当两个运动物体走的过近，由于检测精度的影响，会将两个运动物体检测为一个运动物体，此时在跟踪的时候，会同时将这两个运动物体进行跟踪。此外，当在检测运动人体的时候，由于人体运动量较小，导致当前帧没有检测到运动物体，而下一帧的时候，又检测到了，那么这种情况，就会导致跟踪失败。