目标跟踪综述

龙源期刊网

运动目标跟踪技术综述

作者：仝晓龙等

来源：《科技创新与应用》2014年第18期

摘 要：运动目标跟踪是一个颇具挑战性的问题，文章对当前运动目标跟踪问题的相关方法进行分析研究。首先从一个崭新的角度提出了一套分析运动目标跟踪技术的体系结构方法。然后采用这种体系结构对列举的每种跟踪算法方案进行阐述和归类，指出了每种方案适用范围及其局限性。最后针对研究过程中所面临的难题，展望了运动目标跟踪技术新的发展趋势。

关键词：运动目标跟踪；特征模板提取；跟踪算法框架；运动目标预测

绪论

运动目标跟踪是一门多学科交叉的技术，是计算机视觉领域的一个重要课题，它综合应用了图像处理、模式识别、自动控制、人工智能等学科的理论知识。运动目标跟踪，是指给定一段视频序列，在该视频序列的每帧图像中实时地找到感兴趣的运动目标，并评估其运动轨迹。一般来说，典型的目标跟踪系统一般包含的四个过程[1]：目标初始化，特征模版表示，相似性度量和运动估计，进行目标定位。运动目标跟踪问题的难点如：目标本身特征的多样性和不稳定性、外部环境的复杂多变性、目标之间的遮挡等。解决跟踪问题的关键点在于：完整地分割目标、有效地表示目标和准确识别目标。

通过对于大量目标跟踪领域文献的阅读，可以分析出之前较多的目标跟踪综述文献[1][2][3]主要是从特征模版表示或不同跟踪算法等角度对跟踪进行分类，但是对于读者对整个跟踪系统框架把握不清。文章根据目标跟踪系统中实现过程，从一种新颖角度总结出一般的目标跟踪方法体系结构分为以下三个部分：（1）运动目标的特征选取和表示；（2）运动目标跟踪常用算法框架；（3）运动目标预测算法。

目标跟踪算法一般的都不会超出这三个部分。分别从这三个部分进行跟踪算法的分析研究，第一考虑选取不同的目标特征，如颜色、纹理、形状等；根据选择目标特征，运用合理的目标表示方法，如颜色直方图，纹理直方图、轮廓特征模板等；第二，选择一种或几种适合的跟踪算法框架。第三，采用目标跟踪预测的方法更加合理准确的找到目标。我们结合目标跟踪领域提出的许多方法，论述了三个部分如何有机组合实现有效的运动目标跟踪。此外，文中所列举的大量跟踪方法实例都可以从以上三个部分进行归类，这将有助于相关领域的研究人员清晰的把握目标跟踪技术脉络，让研究人员尽快的从以上三个方面进行深入研究，并提出相应改进和创新方法。

cv研究方向及综述

计算机视觉（CV）是一个涉及多个子领域的学科，包括图像分类、目标检测、图像分割、目标跟踪、图像去噪、图像增强、风格化、三维重建、图像检索等。

1. 图像分类：多类别图像分类、细粒度图像分类、多标签图像分类、实例级图像分类、无监督图像分类等。

2. 目标检测：吴恩达机器学习 object location目标定位，关键在于将全连接层改为卷积层。

3. 图像分割：使用深度学习进行图像分割，包括全卷积像素标记网络，编码器-解码器体系结构，多尺度以及基于金字塔的方法，递归网络，视觉注意模型以及对抗中的生成模型等。

4. 目标跟踪：基于滤波理论、运动模型、特征匹配等多种方法的混合跟踪算法研究，以及基于深度学习的目标跟踪算法研究。

5. 图像去噪：比较研究不同深度学习技术对去噪效果的影响，包括加白噪声图像的CNN、用于真实噪声图像的CNN、用于盲噪声去噪的CNN和用于混合噪声图像的CNN等。

6. 图像增强：通过对图像进行变换、滤波、增强等操作，改善图像的视觉效果或者提取更多的信息，例如超分辨率技术。

7. 风格化：通过将一种艺术风格应用到图像上，改变其视觉效果。

8. 三维重建：从二维图像中恢复三维场景的过程。 9. 图像检索：基于内容的图像检索（CBIR），通过提取图像的特征，进行相似度匹配，实现图像的检索。

总的来说，CV是一个充满活力的领域，涉及的研究方向非常广泛。随着深度学习技术的发展，CV领域的研究和应用也取得了很大的进展。

基于目标跟踪的孪生神经网络算法

付志鸿

【期刊名称】《移动信息》

【年(卷),期】2022()10

【摘 要】目标跟踪是指在给定被跟踪目标视频中的第一帧初始状态后,要确定目标在后续帧中的位置和尺度,在此过程中,跟踪算法能有的仅仅只是第一帧中目标相关的信息,这就意味着算法需要自己利用第一帧的信息进行自学习,才能在视频的后续帧中跟踪到目标。文章对基于孪生神经网络的跟踪算法进行了分析与总结,重点介绍了孪生神经网络的两个经典算法 SiamFC 和 SiamRPN,并在数据集 OTB-100 上对这两个算法进行实验对比,结果表明,SiamRPN 在精度和准确率上都要高于

SiamFC。最后总结了这两种算法的优缺点以及未来对单目标跟踪算法进一步的研究方向,以供参考。

【总页数】3页(P0016-0018)

【作 者】付志鸿

【作者单位】南宁职业技术学院

【正文语种】中 文

【中图分类】TP183

【相关文献】 1.基于孪生卷积神经网络的目标跟踪算法研究2.基于孪生卷积神经网络的目标跟踪算法研究3.基于孪生神经网络的目标跟踪算法进展研究4.基于孪生神经网络的目标跟踪算法综述5.引入轻量注意力的孪生神经网络目标跟踪算法

因版权原因，仅展示原文概要，查看原文内容请购买

第３７卷　第２期　

２００７年２月　激光与红外　

ＬＡＳＥＲ　＆　ＩＮＦＲＡＲＥＤ　Ｖｏ１．３７，Ｎｏ．２　

Ｆｅｂｒｕａｒｙ，２００７　

文章编号：１００１－５０７８（２００７）０２－ｏ１０４－０４　

红外图像中弱小目标检测前跟踪算法研究综述　

张长城，杨德贵，王宏强　

（国防科技大学电子科学与工程学院，空间电子信息技术研究所，湖南长沙４１００７３）　

摘要：文中分析了低信噪比复杂背景中红外弱小目标检测与跟踪的难点，比较了ＤＢＴ与　

ＴＢＤ两种检测与跟踪算法的性能，分析了ＴＢＤ的检测机理，总结了典型的ＴＢＤ方法，展望了　

ＴＢＤ的发展。　

关键词：红外；弱小目标；低信噪比；复杂背景；检测前跟踪　

中图分类号：ＴＰ７５１　文献标识码：Ａ　

Ａｌｇｏｒｉｔｈｍ　Ｓｕｒｖｅｙｓ　ｆｏｒ　Ｄｉｍ　Ｔａｒｇｅｔｓ　

Ｔｒａｃｋ－－ｂｅｆｏｒｅ－－ｄｅｔｅｃｔ　ｉｎ　Ｉｎｆｒａｒｅｄ　Ｉｍａｇｅ　

ＺＨＡＮＧ　Ｃｈａｎｇ—ｃｈｅｎｇ，ＹＡＮＧ　Ｄｅ—ｇｕｉ，ＷＡＮＧ　Ｈｏｎｇ—ｑｉ￣ｎｇ　（Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｓｐａｃｅ　Ｅｌｅｃｔｒｏｎｉｃ　Ｔｅｃｈｎｏｌｏｇｙ，Ｃｏｌｌｅｇｅ　ｏｆ　Ｅｌｅｃｔｒｉｃ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎ￣ｎｅｅｆｉｎｇ，ＮＵＤＴ，Ｃｈａｎｓｓｈ￣４１００７３，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｄｉｆｉｃｕｌｔｉｅｓ　ｏｆ　ｄｉｍ　ｔａｒｇｅｔ　ｄｅｔｅｃｔｉｏｎ　ａｌｅ　ａｎａｌｙｚｅｄ　ｉｎ　ｔｈｅ　ｐａｐｅｒ．Ｔｈｅ　ｐｅｒｆｏｒｍａｎｃｅｓ　ｏｆ　ＤＢＴ　ａｎｄ　ＴＢＤ　ａｌｅ　ｃｏｍｐａｒｅｄ．ａｎｄｔｈｅｔｈｅｏｒｙ　ｏｆＴＢＤ　ａｌｅ　ａｎａｌｙｚｅｄ．Ｔｈｅｍａｉｎｍｅｔｈｏｄｓ　ｏｆＴＢＤ　ａｒｅ￥ＩＩｍｍＡｌ＇ｉ￣．Ｉｎｔｈｅ　ｅｎｄ，ｐｒｏｍｉｓｉｎｇｄｉ－　

ｒｅｃｔｉｏｎ　ｏｆｔｈｅ　ｆｉｅｌｄ　ｏｆＴＢＤ　ｉｓ　ｐｒｅｄｉｃｔｅｄ．　Ｋｅｙ　ｗｏｒｄｓ：ｉｎｆｒａｒｅｄ；ｄｉｍ　ｔａｒｇｅｔ；ｌｏｗ　ＳＮＲ；ｃｏｍｐｌｉｃａｔｅｄ　ｂａｃｋｇｒｏｕｎｄ；ＴＢＤ