一种基于模板匹配的运动目标跟踪方法

基于灰度图像处理的方法是依据图像中灰度模式来实现目标提取。假设运动物体为刚性目标，在 t 时刻（x，y）像素处的灰度值为 （f  x，y，t），而 t 时刻参考图像（x，y）像素处的灰度值为

1. 1. 运动目标检测

对图像帧序列 （f  x，y，t1），（f  x，y，t2），…，（f  x，y，tn），若用帧间差分法检测目标，则公式为：

re（f

x，y，t），则 t 时刻（x，y）像素灰度差为 Δf（t

x，y）=（f

x，y，t）-

d（x，y）=  1

（f  x，y，t）i   -（f  x，y，t）j   |>T

（1）

re（f  x，y，t），则场景中背景中 Δf（x，y）为 0，而运动区域的 Δf（x，y）

ij

0 else

t t

为 1，所以可用 Δf（t   x，y）来检测物体运动区域，之后再用运动区域的最小外接矩形（ ）来标识待确定目标区域，选择合适的

低频图像 差分

MER

MER 面积参数作为其确定目标模板的阀值，从而为选取更新模板序列提供最新运动目标区域。

运动区域与模板

— 图像

阀值 T

1. 1. 

      模板序列的选取

目标模板关系跟踪全过程，针对复杂背景中存在的变形、  噪声、遮挡等变化，选择模板序列可在一定程度上克服复杂背景对跟踪效果影响。首先，用运动目标提取出的 MER 区域作为新模板，增加到模板序列中。其次，用模板匹配度来决定是否需要更新模板。该方法将模板序列中前 6 个模板匹配度最高的模板按从大到小顺序保存在模板序列中，实现模板选取的自适应更新。最后，若通过迭代模板序列匹配，而匹配度不能达到跟踪精度。为了满足实时性跟踪要求，可认为无目标出现，然后可在下一帧中进行匹配，有效实现实时跟踪。

1. 1. 模板匹配

模板匹配理论是按照相关策略根据已知模块在搜索图像中寻找逼近模块匹配过程。利用小波变换进行图像分析，利用已确定的模板序列，针对不同分辨率下的分解图像特点，实现快速准确的运动目标跟踪。二维小波变换可将图像信号分解成不同分辨率下的图像信号，提高目标跟踪的处理速度与准确度。  多分辨率下的模板匹配是小波变换的重要应用。对图像的二维离散小波变换可将图像信号一层一层进行分解，一直对信号进

行分解，经过 N 层分解，原始图像 X 分解为：X=D +D +…+D +A 。

图 3 运动目标检测流程图

公式（1）中 T 为分割阀值，传统的阀值以直方图分水岭法来确定，这种固定全局阀值分割法虽实现简单，但在复杂背景  下存在阀值固定，不能对复杂场景中目标实现有效检测，因而  出现实时性差，分割效果不好的问题。本系统目标检测方法采  用滤波器组来实现。

对原始图像平滑作用通过图像低通滤波器来实现，它不但可以忽略图像的边缘细节变化，还可以实现消除噪声的目的，低   通滤波器截止频率 r 越小，通过的能量越少，轮廓部分就模糊， 噪声也得到更好的清除。系统选择 r 值为 0.1，由图 4 知低通滤波效果较好。选择低频图像作为参考图像的原理是把前景运动目标看成噪声，用图像低通平均值消除噪声，从而将低通滤波之后的图像作为参考图像 re（f  x，y，t），并对图像与参考图像进行差分，得到差分图像，此时差分图像中既有运动区域，也有不少杂点，差分图像也有目标区域间隔现象出现，可以先进行闭合运算及进行边缘连接，再进行开启形态学计算，取得二值化图像。选择合适的阀值 T，按照高通滤波器进行分割，就可以分割出运动区域，从而根据分割区域的左上角坐标与区域高宽的参数，用最小外接矩形（MER）来加以标识，并将面积最大的

1        2 N