基于光流法的运动目标检测与跟踪算法
基于光流方程和目标匹配的视频图像目标跟踪方法
第35卷，增刊红外与激光工程2006年10月基于光流方程和目标匹配的视频图像目标跟踪方法丛杨1，一，唐延东1(1冲国科学院沈阳自动化研究所光电信息研究室，辽宁沈阳110016；2．中国科学院研究生院，北京100049)摘要：提出一种利用图像差分、局部光流法和目标匹配，实现视频对象目标提取和跟踪的方法。
首先，对预处理后的图像进行差分；在差分的基础上，运用局部光流场对目标进行运动估计；对估计结果依据相似度进行聚类分析，消除小的非目标区域；当目标未发生剧烈变化时，更新目标模板，否则，利用已有目标模板进行匹配跟踪。
实验结果验证了该算法的有效性，并实现了目标变形和部分遮挡时的稳定跟踪。
关键词：图像差分；光流法；目标跟踪；聚类分析中圈分类号：Ⅱ'391文l-I标识码：A文章编号：1007—2276(2006)增D一0312一04R es eaI℃h on vi deo obj ect t r ac ki ng m e t hod based on opt i cal nowand t ar get m at chi ngC O N G Y甜191一，TA NG‰l g—don91(1．s h朋yang hs咖t e ofAut0嘲don，chi ne se A cad锄y o f s ci en ces，s h衄y趾g110016，Ch i na；2．G fa d ua l e Sch00l，o虹桃A cad锄y of Scicn∞s，B确ing100039，C hiI m)A bst m ct：A m e m od o n det e ct i on aI l d t r Ia cki ng of m ovi ng obj ect i s pr叩ose d b鹊ed o n m e m eⅡl od of i Ina gedi f!f．er en ce，pan i al opt i c al now aI l d obj ecti V es m at cll i ng．A s pr epr oces s i ng，也e i m a ge di f I-er enc e i s cal cul at ed．B y t|lem e m oV i ng t a玛et is脚tiVely es t i m at ed t o get a bi I l ar y i m a ge．opt i c al f l o w c oI Il put a t i on of m e di f f erence i m ageW i t Il t he c l ust e ri ng m e m od tl l e s m al l bl ocks i n m e bi nar y i m a ge，w m c h do no t bel ong t o t a唱e t a r e el i I I l i n at ed．I f m el aSt铴l I ne i s t ak en as a t em p l at e．T hen s hape of m e det ect ed t a略et doesn’t change l ar gel y，t l l e det ect e d叫get i n m em e s ha pe t a昭e t is corr ect ed by a I I l at cm ng t ec l l Il ol ogy．B y it t he di s t urb of吐l e t a唱e t bl ocki n参def o珊at i on o r om er m ovi ng obj ects o n t l le t a唱e t caI l be el i I Il i nat ed．T he exper i m e nt re sul t s V al i da t e t ll e ef!f；ec t of our m e t l l od．K ey w or ds：hnage di虢r ent i al；opt i cal now；O bject∞acki ng；C l ust er i I l g a11al ys i sO引育视频图像运动目标跟踪作为计算机视觉研究领域的核心课题之一，融合了图像处理、人工智能、模式识别、自动控制以及计算机应用等若干领域的先进技术，并在视频监控、军事视觉制导、机器人视觉导航、安全检测、收■日期I2006_08．19作誊■介t丛杨(1981．)，男，吉林吉林人，硕士，主要从事实时图像处理和目标识别面的研究．增刊丛杨等：基于光流方程和目标匹配的视频图像目标跟踪方法313交通流量监测等方面都有广泛的应用【l’2l。
yolo结合光流法
yolo结合光流法
YOLO（You Only Look Once）是一种目标检测算法，而光流法
是一种计算图像序列中像素运动的方法。
将YOLO与光流法结合可以
提高目标检测的准确性和鲁棒性。
首先，YOLO算法通过将输入图像划分为网格，并在每个网格上
预测边界框和类别概率，从而实现目标检测。
然而，YOLO在处理运
动模糊或快速移动的目标时可能会出现问题，因为它只考虑单个图
像的静态信息。
这时，光流法可以帮助解决这个问题。
光流法通过分析图像序列中的像素值变化来估计像素的运动方
向和速度。
它基于一个假设，相邻帧之间的像素在时间上是连续的。
通过计算相邻帧之间的光流向量，可以了解目标在图像序列中的运
动情况。
将YOLO与光流法结合的一种方法是，首先使用YOLO算法检测
出目标的初始位置，然后利用光流法跟踪目标在图像序列中的运动。
通过在目标周围的区域计算光流，可以更准确地确定目标的位置和
运动轨迹。
这种结合可以提供更准确的目标位置信息，从而改善目
标检测的准确性和鲁棒性。
此外，光流法还可以用于目标的速度估计。
通过计算目标在图像序列中的光流向量，可以得到目标的运动速度。
这对于一些应用场景，如交通监控和行人跟踪，非常有用。
结合光流法的速度估计和YOLO的目标检测，可以更全面地理解目标的运动行为。
综上所述，将YOLO与光流法结合可以提高目标检测的准确性、鲁棒性和速度估计能力。
这种结合方法可以更全面地分析目标的位置和运动，对于许多计算机视觉任务具有重要的应用价值。
基于光流的动态背景运动目标检测算法
１ Ｈ Ｓ光 流 法
光 流算 法通 常 假 定 ： 与ｊ 维 空 间物 体 点 对 应 的
亮 目标 检测算 法 。基 于 运动 补偿 的算 法通 过 对连 续 两 图像 点及 其邻 域 的灰 度 值在 运 动 中保 持 不 变 （ 度
。设 Ｉ ， ， 为 三 维 空 间某 点 ｔ 刻 在 某 （ Ｙｔ ） 时 帧 中的一 帧做 运 动 补偿 ， 动 态 背 景 转 换 为 静 态 背 守 恒 ） 将
－ｄ 时 － 景 ， 利用 帧 间 差 分 法 提 取 运 动 目标 区域 。该算 法 像 投影 的灰度 值 ， Ｉ ｔ 刻该 点 在 新 的 图像 中 的位 再
＋ Ｙ十 ， 有 的有效 性很 大 程 度 上 取 决 于运 动补 偿 的准 确 性 ， 而 置 为 （ ， ）根 据 以上假 设 ， ： 且 帧 间差 分后 只 能 得 到 运 动 目标 的边 缘 ， 不 能 得 并
ｐｏｅ ｅｓｅｄｏ ｅｄｔ ｔ ｎｆｒ ｏｉｇｏｊｃ ａｄｉｆｓｔｅｓ ｒｓｒｅｌｎｅｗｔ ｔｅＰ ｎ Ｔｈｃｍ ｒ． ｒｖｄｔ ｐ ｅ ｆｈ ｅ ｃｉ ｖ ｂｅｔ ｎ ｔ ｈ ｍａ ｕｖｉａｃ ｉ ａ／ ｉ ａ ｅａ ｈ ｔ ｅ ｏｏ ｍ ｎ ｔ ｉ ｔ ｌ ｈｈ
字 塔 Ｌ ＿ 光 流法 通常 只计 算稀 疏 点光 流 ， Ｋ９ 运算 速度 较 快 ， 用于 运 动 目标 检测 时无 法 提取 完 整 的 目标 。 但
将 （） ２ 式两 边 同除 ｄ， 到 光流 约束 方程 ： ｔ得
Ｏ Ｉ
＋ ＋
甏ｏ ：
（ ３ ）
光 流 约束 方程 的求 解 是 一 个 “ 态 ” 病 问题 ， 须 必
Ｓ ｐ ２ １ ｅ ０ １
Ｖｏ ５ Ｉ２ Ｎ０ ３
【Matlab】运动目标检测之“光流法”
【Matlab】运动⽬标检测之“光流法”光流（optical flow）1950年，Gibson⾸先提出了光流的概念，所谓光流就是指图像表现运动的速度。
物体在运动的时候之所以能被⼈眼发现，就是因为当物体运动时，会在⼈的视⽹膜上形成⼀系列的连续变化的图像，这些变化信息在不同时间，不断的流过眼睛视⽹膜，就好像⼀种光流过⼀样，故称之为光流。
光流法检测运动物体的原理：⾸先给图像中每个像素点赋予⼀个速度⽮量（光流），这样就形成了光流场。
如果图像中没有运动物体，光流场连续均匀，如果有运动物体，运动物体的光流和图像的光流不同，光流场不再连续均匀。
从⽽可以检测出运动物体及位置。
应⽤背景：根据图像前景和背景的运动，检测视频的变化，空间运动物体在观察成像平⾯上的像素运动的瞬时速度，是利⽤图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上⼀帧跟当前帧之间存在的对应关系，从⽽计算出相邻帧之间物体的运动信息的⼀种⽅法。
可以⽤来检测运动抖动物体关键技术：当⼈的眼睛观察运动物体时，物体的景象在⼈眼的视⽹膜上形成⼀系列连续变化的图像，这⼀系列连续变化的信息不断“流过”视⽹膜（即图像平⾯），好像⼀种光的“流”，故称之为光流（optical flow）。
编程处理中：matlab中有现成的！！函数function [fx, fy, ft] = computeDerivatives(im1, im2)if size(im2,1)==0im2=zeros(size(im1));end% Horn-Schunck original methodfx = conv2(im1,0.25* [-11; -11],'same') + conv2(im2, 0.25*[-11; -11],'same');fy = conv2(im1, 0.25*[-1 -1; 11], 'same') + conv2(im2, 0.25*[-1 -1; 11], 'same');ft = conv2(im1, 0.25*ones(2),'same') + conv2(im2, -0.25*ones(2),'same');% derivatives as in Barron% fx= conv2(im1,(1/12)*[-180 -81],'same');% fy= conv2(im1,(1/12)*[-180 -81]','same');% ft = conv2(im1, 0.25*ones(2),'same') + conv2(im2, -0.25*ones(2),'same');% fx=-fx;fy=-fy;% An alternative way to compute the spatiotemporal derivatives is to use simple finite difference masks.% fx = conv2(im1,[1 -1]);% fy = conv2(im1,[1; -1]);% ft= im2-im1;也有现成的实例：Affine optic flow - File Exchange - MATLAB CentralEstimate optical flow using Horn-Schunck method - MATLAB调⽤系统对象vision.OpticalFlow后产⽣的混合矩阵数据如何处理 – MATLAB中⽂论坛Estimate optical flow using Lucas-Kanade method - MATLABLucas-Kanade Tutorial Example 1 - File Exchange - MATLAB Central1.⾸先是假设条件：（1）亮度恒定，就是同⼀点随着时间的变化，其亮度不会发⽣改变。
基于运动区域检测的运动目标跟踪算法
基 于视频 的运动 目标 跟踪技术是一种把计算机视觉 、 图像 处理 、 模式识别 、 人工 智能 、 自动控制 等技术有 机结合起来 ， 形
ｍａｃ ｎ ，ｗｈ ｃ ｙ ｃ ｕ ｅ ｔａ ｋ ｎ ａ ｌｒ Ｔｏ ｓ ｌｅ ｔ ｓ ｒ ｂ ｅ ｔｈｉｇ ｉ ｈ ｍａ ａ ｓ ｒ ｃ ｉ ｇ ｆｉｕ ｅ． ｏｖ ｈｅ ｅ ｐ ｏ ｌ ｍｓ，ｔ ｓ ｐ ｐ ｒｐ ｅ ｅ ｔｄ ｔｍｐｌｔ ａｃ ｉ ｇ ｔａ ｋ ｎ ｌｏ ｈｉ ａ ｅ ｒ ｓ ｎ ｅ ｅ ａ ｅｍ ｔ ｈ ｎ ｒ ｃ ｉ ｇ ａｇ —
第２ 卷第 １ ７ ２期
２１ ０ ０年 １ ２月
计 算 机 应 用 研 究
Ａｐ ｌ ａ ｉｎ Ｒｅ ｅ ｒ ｈ ｏ ｏ ｕ ｅ ｓ ｐ ｉ ｔ ｓ ａ ｃ ｆＣ ｍｐ ｔ ｒ ｃ ｏ
Ｖｏ ． ７ Ｎｏ １ １２ ． ２ Ｄｅ ．２ ０ ｃ ０１
基 于运 动 区域 检 测 运 目标 跟踪 算 法 的 动
ｏ ｈ ｘ ｅ ｍｅ ｔｓ ｏ ｈ ｔ ｈ ｌ ｏｉ ｍ ａ ｆ ｃｉ ｅｙ ｓ ｌｅ ｔｅ ｐ ｏ ｌｍｓｏ ｍｐ ａｅ ｄ ｆ ，ｉ ｒｖ ｅ ｌｔ ｆ ｒ ｃ ｉ ｇ ａ ｄ ｆｔ ｅ ｅ ｐ ｒ ｎ ｈ ｗ ｔ ａ ｅ ａｇ ｒｔ ｃ ｎ ｅｆ ｔ ｌ ｏｖ ｒｂ ｅ ｆ ｅ ｌｔ ｒ ｔ ｍｐ ｏ ｅ ｒ ａ—ｉ ｏ ａ ｋ ｎ ｎ ｉ ｔ ｈ ｅ ｖ ｈ ｔ ｉ ｍｅ ｔ
（ ． ｏｅｅｏＡ ｔ ｔ ｎ ｂＳａｅ ｅ ａｏａｏ Ｐ ｗ ｒＴａ ｓ ｓ ｎＥ ｕ ｍｅｔ＆ Ｓｓｍ ｅｕｉ ａ Ｃ ｌｇ ｕｏ ｉ ， ． ｔｔＫ ｙＬ ｂｒｔｙｏ ｏ ｅ ｒｎｍｉｉ ｑ ｉ ｎ ｌ ｆ ｍａｏ ｒｆ ｓ ｏ ｐ ｙｔ Ｓｃｒｙ＆Ｎ ｗ Ｔｃｎ ｌ ｙ Ｃ ｏｇ ｉｇＵ ｉ ｒ— ｅ ｔ ｅ ｅｈｏｏ ， ｈｎ ｑ ｎｖ ｓ ｇ ｎ ｅｉ
光流法简述
************
论文题目：光流法简述
2014年12月20日
光流法简述
引言
基于机器视觉的运动目标方法比较主流的有帧差法、背景差法、光流法等。相比其他几种而言，光流法来源于仿生学思想，从更加本质的方面揭示了基于视觉的运动目标检测的原理；比其他方法有更加牢固的数学基础；也比其他方法有更高的检测精确性等诸多优势。只要在有限的牺牲精确度的情况下解决了光流法的计算复杂性问题，该方法必然能成为运动目标检测问题的唯一首选方案。
研究生物行为，将生物科学与工程学相结合是未来科学发展的趋势，也是目前世界上公认的研究方法。从对昆虫的视觉机理实验中，科学家们已经发现了大量的昆虫在导航的时候使用的真是光流法。试想一下，昆虫仅仅具有简单的大脑和及其微弱的计算能力，但却表现出令人惊叹的复杂导航行为，这个事实给了我信息，我个人为：通过改进算法和硬件，更深入的学习大自然，必然能解决光流法的实时性差这一难题，将其推向实用。基于此，将现阶段我所了解的光流法的原理与应用方面总结整理，遂成此文。由于本人从事智能车方面的项目，设计移动目标检测和导航问题，故主要只写了这两方面的应用。
(1)Horn-Schunck算法
Horn-Schunck光流法是在基于强度不变假设的条件下，引入了全局光流平滑约束假设，假设在整个图像上光流的变化是光滑的，即物体运动矢量是平滑的或只是缓慢变化的，尤其对刚体来说，其各相邻像素点间的速度是相同的。Horn和Schunck利用光流约束方程和全局光流平滑假设一起来计算V，该方法得到的是稠密光流场，由于相邻像素点运动速度相同，因而对于局部区域来说，其速度的空间变化率为零，进而得出光流矢量的梯度接近于0，Horn引入的约束条件的基本思想是光流需要尽可能的平滑，使平滑约束项 极小化。
目标跟踪的研究背景意义方法及现状
目标跟踪的研究背景意义方法及现状目录• 1.课题背景与研究意义• 2.国内外研究现状• 3.存在的问题• 4.总结，发展与展望• 5.参考文献1课题背景与研究意义•运动目标的跟踪就是在视频图像的每一幅图像中确定出我们感兴趣的运动目标的位置，并把不同帧中同一目标对应起来。
•智能视频监控(IVS: Intelligent Video Surveillance)是计算机视觉领域近几年来发展较快，研究较多的一个应用方向。
它能够利用计算机视觉技术对采集到的视频信号进行处理、分析和理解，并以此为基础对视频监控系统进行控制，从而使视频监控系统具备更好的智能性和鲁棒性。
智能视频监控系统主要涉及到图像处理、计算机视觉、模式识别、人工智能等方面的科学知识，它的用途非常广泛，在民用和军事领域中都有着极大的应用前景。
2.国内外研究现状视频目标跟踪算法基于对比度分析基于匹配核方法运动检测其它方法特征匹配贝叶斯跟踪Meanshift方法光流法基于对比度分析的方法•算法思想：基于对比度分析的目标跟踪算法利用目标与背景在对比度上的差异来提取、识别和跟踪目标。
•分类：边缘跟踪，型心跟踪，质心跟踪。
•优缺点：不适合复杂背景中的目标跟踪，但在空中背景下的目标跟踪中非常有效。
基于特征匹配的目标跟踪算法•算法思想：基于匹配的目标跟踪算法需要提取目标的特征，并在每一帧中寻找该特征。
寻找的过程就是特征匹配过程。
•目标跟踪中用到的特征主要有几何形状、子空间特征、外形轮廓和特征点等。
其中，特征点是匹配算法中常用的特征。
特征点的提取算法很多，如Kanade Lucas Tomasi（KLT）算法、Harris 算法、SIFT 算法以及SURF 算法等。
•优缺点：特征点一般是稀疏的，携带的信息较少，可以通过集成前几帧的信息进行补偿。
目标在运动过程中，其特征（如姿态、几何形状、灰度或颜色分布等）也随之变化。
目标特征的变化具有随机性，这种随机变化可以采用统计数学的方法来描述。
一种基于光流的行人目标跟踪与分割方法
一种基于光流的行人目标跟踪与分割方法姜守帅;高阳;吕佳;陈林资【摘要】为了对非限制场景中的行人目标实现跟踪和分割,研究了一种基于光流的行人目标跟踪与分割方法.采用传统光流场的计算方法,获取行人运动所产生的光流场,将光流场中像素点的幅值信息及像素点在帧间运动的方向角度信息相结合,使光流场中所包含的前景目标物体的运动信息更加完整,更具鲁棒性.根据行人在连续帧间运动时,行人和背景之间边界位置像素点亮度变化的特点,实现对行人目标的跟踪.采用改进的内外映射方法,获取动态目标内部像素点,实现对视频前景行人目标的分割.实验结果表明,该方法能够准确地实现对非限制场景中行人目标的跟踪与分割.【期刊名称】《桂林航天工业学院学报》【年(卷),期】2017(022)004【总页数】9页(P389-397)【关键词】光流;运动目标分割;内外映射;行人跟踪【作者】姜守帅;高阳;吕佳;陈林资【作者单位】桂林航天工业学院机械工程系,广西桂林 541004;桂林航天工业学院机械工程系,广西桂林 541004;桂林航天工业学院机械工程系,广西桂林 541004;桂林航天工业学院机械工程系,广西桂林 541004【正文语种】中文【中图分类】TP391.41对非限制场景中动态目标检测方法[1]的研究是近年来机器视觉领域和模式识别领域的一个研究热点，同时也是一个研究难点。
对动态目标分割理论的研究一般是在对静态图像进行检测分割[2-3]的理论基础上发展起来的。
随着动态目标分割算法的不断改进发展，它已经成为模式识别，视频编辑，人类的运动学分析等众多领域的基础。
并且非限制场景中高效快速的动态目标分割方法既可以大大节省后续处理的时间，又可以大大提高后续处理的精度，使对整体处理的难度大大降低，从而使工作效率大大提高。
静态图像分割技术[4-5]的发展已日臻完善，而非限制场景中动态目标分割技术目前正处于快速发展的阶段，各类算法层出不穷。
但是实际应用中视频分割技术对其鲁棒性有很大要求，即在人类视觉系统能够承受的范围内相对稳定、准确地分割视频中的前景运动目标。
视频监控系统中的动态目标检测与跟踪
视频监控系统中的动态目标检测与跟踪随着科技的不断发展，视频监控系统已经成为我们生活中不可或缺的一部分。
而其中一个重要的功能就是动态目标检测与跟踪。
本文将对动态目标检测与跟踪在视频监控系统中的应用进行探讨。
动态目标检测是指在视频监控中，通过算法识别并定位出视频中的运动目标，并在目标发生运动时跟踪目标的位置。
这项技术对于保障公共安全、监控交通流量等方面起到了重要的作用。
在一个视频监控系统中，动态目标检测与跟踪的过程可以分为多个步骤。
首先是目标检测，即通过图像处理算法对视频中的每一帧图像进行分析，识别出其中的运动目标。
目标检测算法有很多种，其中常用的包括基于背景建模的方法、基于光流的方法和基于深度学习的方法等。
基于背景建模的目标检测方法是通过学习视频中的背景信息，将背景和前景目标分离，从而实现目标的检测。
这种方法适用于静态背景下的视频监控。
而基于光流的方法则是通过检测连续帧之间的图像运动信息来确定视频中的运动目标。
这种方法适用于动态背景下的视频监控。
而基于深度学习的方法则可以通过训练神经网络来实现目标的检测，这种方法在最近的几年中得到了广泛的应用。
目标检测完成后，接下来的步骤就是目标跟踪。
目标跟踪是指在视频中追踪目标的位置，并保持目标的标识，以便后续的分析与处理。
目标跟踪有多种方法，包括基于模板匹配的方法、基于特征提取的方法和基于学习的方法等。
基于模板匹配的目标跟踪方法是通过提取目标的特征，将其与模板进行匹配，从而实现目标的跟踪。
这种方法适用于目标形状和外观变化较小的情况。
基于特征提取的方法则是通过提取目标的颜色、纹理和形状等特征来实现目标的跟踪。
而基于学习的方法则是通过训练分类器来实现目标的跟踪，这种方法在大数据时代得到了广泛的应用。
动态目标检测与跟踪技术在视频监控系统中有着广泛的应用。
首先，它可以用于监控公共场所，如机场、火车站、商场等地，及时发现异常和可疑行为。
其次，它可以用于交通监控，如交通路口的车辆检测与追踪，以及道路拥堵的监测与预警等。
一种基于帧间差分和光流技术结合的运动车辆检测和跟踪新算法
ｆｒ ｍｏ ｉ ｇ ｖ ｈ ｃｅ ｄ ｔｃｉ ｎ ａ ｄ ｔａ ｋ ｎ ａ ｅ ｎ ｔ ｅ ｉ ｒ ｖ ｄ ｃ ｍｂ ｎ ｔ ｎ ｏ ａ ｉ ｅ ｅ ｃ ｎ ｐ ｉａ ｏ ｔｃ ｎｑ ｅ ｉ ｒ ｓ ｎｅ ． Ｉ ｏ ｖｎ ｅ ｉ ｌ ｅｅ ｔ ｎ ｒ ｃ ｉ ｇ ｂ ｓ ｄ ｏ ｈ ｍｐ ｏ ｅ ｏ ｉ ａｉ ｆｆ ｍｅ ｄｆ ｒ ｎ ｅ ａ ｄ ｏ ｔ ｌ ｆ ｗ ｅ ｈ ｉ ｕ ｓｐ ｅ ｅ ｔｄ ｎ ｏ ｏ ｒ ｆ ｃ ｌ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
高 性能 计 算 机 的 普及 、高 性 价 比摄像 头 的 广 泛 使 用 以及对 智 能 视 频 分 析 日益增 长 的需 求 ，许 多 性 能优 异 的跟 踪算 法 不 断 涌 现．智 能 视 频 分 析 主要 包括 三个 方 面 ：运 动 目标检 测 、图像 序列 中的 运 动 目标 跟踪 以及 目标 行 为 的认 知 分 析 ¨Ｊ．运 动 物 体 有多 种局 部 特 征 可 以用 来 进 行 跟 踪 ，常 用 的
ｉｓ ｈｉｄｄｅｎ，ｄｉｓａｐｐｅａｒｓ ｏｒ ｔｅｘｔｕｒａｌ ｆｅａｔｕｒｅｓ ｃｈａｎｇｅ． Ｅｘｐｅｒｉｍ ｅｎｔａｌ ｒｅｓｕｌｔｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｖｉｄｅｏ ｓｅｑｕｅｎｃｅｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ｏｐｔｉｃａｌ ｆｌｏｗ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ＯＩ１ ｉｍｐｒｏｖｅｄ ｃｏｒｎｅｒ ｅｘｔｒａｃｔｉｏｎ ａｎ ｄ ｉｍａｇｅ ｐｙｒａｍ ｉｄ ｈａｓ ｂｅｔｔｅｒ ｔｒａｃｋｉｎｇ ｐｅｒｆｏｒｍ ａｎｃｅｓ． Ｔｈｅ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｃｏｕｌｄ ｂｅ ｆｉｌｔｅｒｅｄ ｅｆｆｅｃｔｉｖｅｌｙ
Ａｂｓｔｒａｃｔ：Ｈａｒｒｉｓ ｃｏｒｎｅｒ ｐｏｉｎｔｓ ｗｅｒｅ ａｄｏｐｔｅｄ ａｓ ｔｒａｃｋｉｎｇ ｏｂｊｅｃｔｓ，ａｎｄ ｓｃａｌｅ ｓｐａｃｅ ｗａｓ ｉｎｔ ｒｏｄｕｃｅｄ
ｉｎｔｏ ｃｏｍ ｅｒ ｐｏｉｎｔ ｄｅｔｅｃｔｉｏｎ ｉｎ ｏｒｄｅｒ ｔｏ ｅｘｔｒａｃｔ Ｈ ａｒｒｉｓ ｃｏｒｎ ｅｒ ｐｏｉｎｔｓ ｉｎ ｆｅａｔｕｒｅ ｓｃａｌｅ． Ｔｈｅｎ ｃｕｒｖａｔｕｒｅ ｗａｓ ｃｏｍｐｕｔｅｄ ｔｏ ｆｉｌｔｅｒ ｏｕｔ ｆａｌｓｅ ｃｏｒｎ ｅｒｓ ａｎｄ ｅｎｈａｎｃｅ ａｄａｐｔａｂｉｌｉｔｙ ｔＯ ｓｃａｌｅ ｃｈａｎｇｅ． Ｏｐｔｉｃａｌ ｆｌＯＷ ｍ ｅｔｈｏｄ ｗ ａｓ ａｄｏｐｔｅｄ ｆｏｒ ｔｈｅ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈ ｍ ｂａｓｅｄ ｏｎ ｉｍ ａｇｅ ｐｙｒａｍ ｉｄ，ｉｎ ｗ ｈｉｃｈ ｔｈ ｅ ｏｐｔｉｃａｌ ｆｌｏｗ ｉｔｅｒａｔｉｖｅｌｙ ｗａｓ ｃｏｍｐｕｔｅｄ． Ａｎｄ ｔｈｅ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｔｈｅ ｏｐｔｉｃａｌ ｆｌＯＷ ｅｒｒｏｒ ｗａｓ
ｔｈａｔ ｌｅａｄ ｔｏ ｔｒａｃｋｉｎｇ ｆａｉｌｕｒｅ ｗｉｔｈ ｔｈｅ ｉｎｔｒｏｄｕｃｔｉｏｎ ｏｆ ｏｐｔｉｃａ１ ｆｌＯＷ ｅｒｏｒ ｍｅｔｈｏｄ．ａｎｄ ｔｈｅ ｏｂｊｅｃｔ
ｐｏｓｔｉｏｎｓ ａ ｒ ｅ ｅｓｔｉｍ ａｔｅｄ ａｃｃｕｒａｔｅｌｙ．
Ｋｅｙ ｗｏｒｄｓ：ｏｂｊｅｃｔ ｔ ｒａｃｋ ｉｎｇ；ｃｏｍｅｒ ｐｏｉｎｔ；ｆｅａｔｕｒｅ ｓｃａｌｅ；ｏｐｔｉｃａｌ ｆ ｌｏｗ；ｉｍａｇｅ ｐｙｒａｍｉｄ
ｐｒｏｐｏｓｅｄ．Ｔｈａｔ ｉｓ．ｔｈｅ ｔｒａｊｅｃｔｏｒｙ ｅｒｏｒ ｉｎ ｔｈｅ ｓａｍｅ ｆｒａｍｅ ｗｉｔｈ ｄｉｆｆｅｒｅｎｔ ｔｉｍｅ ｆｌＯＷ ｗａｓ ｕｓｅｄ ｔｏ ｅｖａｌｕａｔｅ ｔｈｅ ｔｒａｃｋｉｎｇ ｓｉｔｕａｔｉｏｎ．Ｉｎ ｔｈｉｓ ｗａｙ，ｔｒａｃｋｉｎｇ ｆａｉｌｕｒｅ ｗａｓ ａｖｏｉｄｅｄ ｗｈｅｎ ｔｈｅ ｔｒａｃｋｉｎｇ ｏｂｉｅｃｔ
第 ３７卷 第６期 ２０ １ ６年 ６月
东 北 大 学 学 报 （ 自 然 科 学 版 ） Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｅａｓｔｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ）
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００５—３０２６．２０１６．０６．００３
Ｖｏ１．３７，Ｎｏ．６ Ｊｕｎ． ２ ０ １ ６
ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ＆ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎｏｒｔｈｅａｓｔｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ １ １０８ １９，Ｃｈｉｎａ；３． Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ
Ｓｃｉｅｎｃｅ，Ｂｅｉｊｉｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｂｅｒｉｎｇ １０００８１，Ｃｈｉｎａ． Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ：ＸＩＡＯ Ｊｕｎ，Ｅ—ｍａｉｌ： ｘｉａｏｊｕｎ＠ ｉｓｅ．ｎｅｕ．ｅｄｕ．ｃｎ）
Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｎｇ ａｎｄ Ｔｒａｃｋｉｎｇ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ Ｏｐｔｉｃａｌ Ｆｌｏｗ
ＸＩＡＯ Ｊｕｎ ，ＺＨＵ Ｓｈｉ－ｐｅｎｇ ，ＨＵＡＮＧ Ｈａｎｇ。，ＸＩＥ Ｙａ—ｎｎｎ （１．Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒ ｉｎｇ，Ｎｏｒｔｈｅａｓｔｅｒ ｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ １ １０８ １９，Ｃｈｉｎａ；２．Ｓｃｈｏｏｌ
基 于光 流 法 的 运 动 目标 检 测 与跟 踪 算 法
肖 军 ，朱世 鹏 ，黄 杭 ，谢 亚 男’
（１．东北大学 信息科学与工程学院 ，辽宁 沈 阳 １１０８１９；２．东北大学 计算机科学与工程学院 ，辽宁 沈阳 １１０８１９ ３．北京理工大学 计算机学 院，北京 １０００８１）
摘 要 ：选用 Ｈａｒｒｉｓ角点作为跟踪 对象 ，将 尺度 空间引入角点检测 ，提取特征尺度上 的 Ｈａｒｒｉｓ角 点 ，并进 行曲率非极大值抑制 ，滤除“伪 角点”，提高角点检测 对尺 度变化 的抗扰 能力．跟踪 算法选 用结 合图像金 字塔 的光流法 ，迭代计算光流 ，并提出基于光流误差 的跟踪算法 ，即用 不同时间流的运动轨迹在 同一 帧图像 的误 差 来衡量运动跟踪情况 ，避免跟踪点 因被 遮挡 、消失 或者 纹理特征发生变化 而导致跟 踪失败．通过对不 同视频 图 像进行检测 的结果证 明基 于改进的角点 提取 和 图像 金字 塔的光 流法具 有 良好 的跟 踪效果 ，引 入光流误 差可 以有效地滤 除跟踪失 败的特征点 ，准确估计运动 目标 的位置 ． 关 键 词 ： 目标跟踪 ；角点 ；特征尺度 ；光 流法 ；图像金字塔 中图分类号 ：ＴＰ ３９１．４ 文献标 志码 ：Ａ 文章编号 ：１００５—３０２６（２０１６）０６—０７７０—０５