3.5  各个模块描述 7

3.5.1  前景检测模块 7

3.5.2  新团块检测模块 8

3.5.3  团块跟踪模块 9

3.5.4  轨迹生成模块 11

3.5.5  轨迹后处理模块 12

3.5.6  跟踪流程模块 14

4  基于MFC实现运动物体团块跟踪 16

4.1  利用MFC编写对话框 16

4.2  在MFC上程序运行结果与分析 16

结  论 20

致  谢 21

参考文献 22

1  引言

1.1  课题研究背景及意义

目前使用计算机视觉代替人眼及大脑直接对景物环境进行感知、解释和理解已经成为一个热点问题，而作为计算机视觉很重要的部分的运动物体跟踪也同样越来越受到人们的关注和重视。运动物体跟踪算法的提出大大扩展了计算机视觉的研究内容，归纳起来主要应用领域有：1．虚拟现实领域2．智能视觉监控领域3．高级用户界面4．医学图像分析5．视频分析。发现跟踪技术已经逐渐地应用到我们的实际生活当中，未来发展跟踪技术是必不可少的一部分，目前已经拥有广阔的应用前景，所以研究其算法非常有价值。论文网

但是由于目标在跟踪过程中不会是稳定的它会不断变化,所以目前使稳定的目标跟踪成为一个很大的难题。现有的基于视觉外观的跟踪方法中主要采用两类目标模型: 基于模板的模型和统计模型，但是还是有很多缺点。所以新提出了一种模型是团块模型。该模型将目标分割为一个一个的团块,得到目标的局部形状和颜色等特征, 以及全局的空间结构。新的模型结合了基于模板和统计模型的优点,使目标跟踪更稳定,同时也显著地减少了计算的复杂度。论文网

1.2 本文的主要工作

本文主要在深入了解运动物体跟踪的基本算法的基础上，掌握团块跟踪算法原理，用VC6.0编程对话框，结合OpenCV函数库，编写团块跟踪算法程序，并在对话框上显示算法处理结果，得到的结果要求能够有效连续跟踪到运动物体（并去除掉背景和噪声），还要有着清晰的目标轮廓。

2  运动物体跟踪

2.1  运动物体跟踪的含义

要实现运动物体跟踪首选就要检测到运动物体。目标检测和跟踪密不可分。

运动物体检测与跟踪是整个计算机视觉基础，作用于后续各种高级处理如目标分类、行为理解等[1]。运动物体检测是指从连续的序列图像或视频流中实时提取目标,运动物体跟踪则指对目标进行连续的跟踪以确定其运动轨迹,并描述它的动态特征[1]。

2.2  运动物体跟踪算法的研究和发展现状

2.2.1  运动物体检测

运动物体检测可以分为动态背景下的运动物体检测和静态背景下的运动物体检测。对于静态背景下运动物体检测，主要有三种方法：背景差分法、帧间差分法和光流场法[1]。

背景差分法是利用当前图像与背景图像的差异来找到跟踪物体区域。该方法优点是能够提供最完整的目标特征数据，但对于动态场景的变化特别敏感(如天气、光照、背景扰动及阴影等)。 

帧间差分法是通过相邻两帧图像的差值计算，获得运动物体位置和形状等信息的运动目标检测方法。对于动态环境有很好的适应性，算法简单，计算复杂度低，但不能完全提取出目标的所有特征。