第27卷第10期计算机仿真2010年10月文章编号：1006—9348(2010)10023404视频目标检测匹配跟踪算法优化研究戴蓉，黄成(中国民用航空飞行学院计算机学院，四川广汉618307)摘要：针对目前视频目标检测匹配跟踪算法不能满足视频监控的高实时性要求，不能满足当前硬件平台主流技术的问题，研究了差分目标检测和匹配跟踪算法的优化实现问题。为优化算法减少计算量，选用了连续帧训练背景的方法，利用背景差分检测出场景中的运动物体，采用模板匹配跟踪算法，将目标检测和跟踪算法在DM642上优化并实现。仿真结果表明．经过算法和程序级的优化，程序运行时问大大减少，可在CIF格式下较好地进行多物体的实时检测与跟踪。关键词：运动物体检测与跟踪；算法和代码优化；差分方法中图分类号：TP391文献标识码：AResearchonAlgorithmofVideoObjectTargetDetectionandMatchingTrackingDAIRong，HUANGCheng(SichuanCivilAviationFlightUniversityofChinaGuanghanSichuan618307，China)ABSTRACT：Intelligentvideomonitoringsystemmustfilldemandaboutrealtime．Thisrequiresthatdetectionandtrackingalgorithmaresimple，andplatformI~I1Squickly．Consecutiveframestrainingbackgroundmethodisusedinthisarticle．Thesubtractionbetweenbackgroundandframedetectsmovingobject．Thetemplatematchingalgorithmisusedtotrackobject．ThesealgorithmsarerealizedonDM642．Afteroptimizationinalgorithmlevelandprogramlevel，theprogramcanberuninrealtimewithCIF(30fps，352288)．KEYWORDS：Movingobjectsdetectionandtracking；Optimizationonalgorithmandprogram；Subtraction分，占整个检测算法计算量的大半，所以要尽可能的优化这1引言部分的算法。对于最大最小聚类分析法，它不仅对聚类中心视频运动目标的检测技术是住图像分割技术的基础上的迭代初始位置有要求，而且它要对整幅图像的像素迭代多发展起来的，即将场景中的前景目标从背景中分离出来。可次，计算量非常大，而且每帧图像运动物体的多少和分布的以分为静态背景下运动目标检测与动态背景下运动目标检不同都会影响迭代次数，所以每帧的计算量会有很大的不测。目前视频运动目标检侧主要有三种常用的方法：背景差同。而文中的算法，只需要对整幅图像计算一遍，同时避免分法、相邻帧差法和光流法等。但是这些方法都有各自弱了大量距离的计算，大大减少了计算量和每帧图像的计算时点，并且实现起来都有一定的困难：相邻帧差法对于动态环间差别。最后并且在DM642上实现检测跟踪算法，并对程境有很好的适应性，但是不能完全提取目标的所有内容；背序及算法进行优化，使之满足实时的要求。景差分算法，能够较完整的提取目标点，却容易受到光照和外部条件造成的场景变化的影响；光流法能够用于目标检2运动物体的检测与跟踪算法测，但是光流法计算复杂，如果没有相关硬件支持，不适合实2．1运动物体视觉原理时处理。在图像序列巾，目标的运动对应这目标位置的变化。在针对以上问题，本文根据运动物体的检测与跟踪是视觉动态景物中，组成景物的各种运动物体在不同的时刻空间位监视系统的底层与基础，实时的检测跟踪运动物体为进一步置是不同的；如图1，假设oxyz是空间物体P点的空间位置坐的运动行为具体实现做好理论准备，对二值图像多目标的划标系，它构成物体空间。OXYZ是图像空间，它是一个平面，也就是摄像机对物体点P进行观测获取的图像形成的位置收稿日期：2010—05—03修回日期：2010—05—220与0相距F(摄像机的焦距)，oxyz与OXYZ位于同一平面。—234一点P在时刻t物体空间的坐标为(，Y’，：)，时刻t2．3运动物体检测原理的坐标为(，Y，)。它们在图像空间的坐标分别为，用当前帧与背景帧对应像素灰度值相减，差值大于某一Y)和(，Y)，记，AX=Xk—xk～，△=一～。