本次课题是基于多摄像机的物流跟踪系统设计，拟采用多摄像机系统对目标进行自动跟踪监测。其核心内容就是利用计算机视觉跟踪技术实现追踪目标的运动轨迹，为生产管理提供可靠的和科学的数据来源。从而在钢厂生产过程中，实现对钢材（钢坯、钢板等）从进料到产品入库的全过程物流跟踪。源[自[优尔^`论`文]网·www.youerw.com/

1.2 国内外发展现状

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 本文主要工作及论文安排

本文研究的是基于多摄像机的物流跟踪系统设计，主要从运动目标的检测、跟踪入手。关于多摄像机的监控问题主要需解决以下两个问题：一是单摄像机情况下，如何实现实时监控问题，这是该系统设计的关键所在；二是多摄像机之间的配合。因此，本文的研究内容主要涉及以下三个方面：(1)阐述运动目标检测与跟踪的原理；(2)详细解释了单摄像机下的目标跟踪实现，采用Mean Shift算法结合卡尔曼滤波的方法，提高目标跟踪的效率与鲁棒性；(3)初步讨论了多摄像机的协同与交接问题。

本文共分为四章，从相关背景到具体原理作一一阐述，具体的安排如下：

第一章为绪论，简单介绍了本课题的研究背景以及其研究意义，同时概述了相关技术的国内外发展状况。本章最后叙述了本文的工作安排。

第二章为运动目标的检测与跟踪。首先详细介绍了现今几种主流的运动目标检测方法，包括帧间差分法、背景减除法、光流法等，并且对这几种方法简单阐述了其优缺点，作了一些的比较。然后对于目标跟踪的算法进行了讨论，主要从实现手段的不同出发，探讨了其检测原理。

第三章为基于Mean Shift的单摄像机目标跟踪，是本文的重要章节。详细阐述了Mean Shift算法的基本原理，以及Mean Shift实现目标定位的具体步骤。然后讨论了利用卡尔曼滤波器实现预测的原理，同时解释了结合Mean Shift与卡尔曼滤波的目标跟踪过程。最后对程序的实验结果进行了分析。文献综述

第四章为多摄像机跟踪系统。其中讨论了多摄像机跟踪中的同步以及交接问题，简单分析了多摄像机跟踪系统的实现，同时就基于双摄像机的目标跟踪给予说明并给出实验结果。

2  运动目标的检测与跟踪

2.1 运动目标检测

所谓运动目标的检测，是在序列图像中检测出变化区域并将运动目标从背景图像中提取出来，是目标跟踪的前提。通常情况下，目标分类、目标跟踪和行为理解等后处理过程仅仅考虑图像中对应于运动目标的像素区域，因此运动目标的正确检测与提取是最基础的，同时对于后期处理非常重要。然而，由于背景的动态变化，如天气、光照、阴影及杂乱背景干扰等的影响，使得运动目标的检测与提取变得相当困难。根据摄像头是否保持静止，运动检测分为静态背景和运动背景两类。由于大多数视频监控系统是摄像头固定的，因此静态背景下运动目标检测算法受到广泛关注与研究。在静态背景下，背景部分几乎不动，运动物体的像素则一般会发生相应的变化，检测方法也较为简单，常用的方法有：帧间差分法、背景减除法等；在动态背景下，背景部分由于摄像机发生相应运动或抖动，可能呈现规律或不规律的运动状态。该种情况下的运动目标检测较为复杂，常用的方法有光流场法等。下面就简单介绍这几种目标检测算法。

2.1.1 帧间差分法（时间差分法）

    帧间差分法，首先选取视频图像序列中相邻两帧或多帧（一般为两帧或者三帧），通过相邻帧作差分运算，再经过阈值判断来获取运动前景。在摄像机保持静止的情况下，当视频图像中无运动物体时，即为背景图像时，尽管存在背景噪声等，但认为相邻帧间像素近似不变，此时图像差值近似为零；当视频序列中出现异常，即有运动物体时，帧间将出现较为明显的差别，通过邻帧相减得到相邻帧图像的像素差值，最后以二值化的方法分析图像中运动目标的运动特性。如果差值大于某个阈值时就认为是目标像素，否则为背景像素，从而确定图像序列中是否存在物体运动。这种图像序列的逐帧差分，相当于对图像序列进行时域下的高通滤波。