基于視覺信息融合的目標跟蹤方法

文/王潔

伴隨著信息社會的不斷發展，人們更加注重對于視覺信息的把握，特別是如何進行更為精準的目標跟蹤計算，以實現人們可以快速地從所擁有的龐雜信息里提取更為有用的信息，進一步促成目標任務的完成。在認識到目標跟蹤在視覺信息融合中的重要作用，就必須學會更好地掌握目標跟蹤的方法，將這種計算用法更好地應用到實際的視頻圖像處理中來。對于運動目標的識別和相關跟蹤技術的把控，可以更好地促進機器的視覺發展。現有的目標跟蹤方法仍然存在技術上的不足，具體體現在現有算法無法對目標物進行長時間的跟蹤，亦或是在對快速移動的目標物跟蹤過程中，極其容易出現目標物丟失現象。因此，不論是工業領域，還是軍事領域，優化目標跟蹤算法使其更好地把控所要掌握的信息，將便于更多領域不斷提升目標的跟蹤精準度。

1 現有目標跟蹤方法的現狀和存在的問題

1.1 目標跟蹤方法的現狀

處理數字視頻圖像，是一種多門學科在交叉過程中形成的技術手段，所涉及的領域也極其地廣泛，現代的信息社會已將其列為一項熱門的學科內容，因此現在更多的研究者也在就其領域進行著不同程度地研究。而目標跟蹤在作為一種實際數字視頻圖像處理機制的重要分支，將會在更多領域起到極其重要的作用。在目標跟蹤過程中，提取目標物是必不可少的環節，目標跟蹤法是特征提取算法作為提取目標物的圖像局部特征的基礎運算。當然在提取目標物時，用不一樣的提取方法，也會收獲不一樣的效果。

從20世紀80年代開始，人們也逐漸將人眼的視覺與計算的視覺技術逐漸融合在了一起，這使得計算機在對圖像和視頻等信息進行處理的過程中，能夠充分貼近人眼視覺，從而有需要地對圖像和視頻等信息環境進行不斷地選擇，在這個過程中，也需要對選擇環境的具體事物能夠展開一定地關注，或者干脆將其進行忽略。就目標跟蹤方法而言，也需要對人眼視覺不斷地研究，整個過程也是不斷提高目標跟蹤方法的精度。

1.2 現有目標跟蹤方法急需的問題

從現有的技術層面看，目標跟蹤所存在的問題不容忽視，比如，跟蹤目標的實際操作中，丟失率表現地過高，重新對目標物進行鎖定的時候，也是有一定的難度的。

在當前科學技術快速發展的大背景下，目標跟蹤方法的計算方法不斷地被研究人員提出。肯定進步的同時，依然要認識到在實際圖像相關顯示性中的檢驗不足，在我們提取地具體精度過程中，現存的技術還不能滿足實際的需要，包括在目標跟蹤方法的算法中，也不能滿足精簡的技術要求，這些不足都是要求后來研究工作者能夠不斷突破瓶頸來進行一一地解決，共同促進目標跟蹤方法地不斷發展，促進計算機技術逐漸完善成熟。

2 目標跟蹤的應用算法

2.1 卡爾曼濾波器

卡爾曼濾波器作為一種目標跟蹤的計算方法，首先是一種獨特的濾波器，主要功能是用來預測的，其最早的提出時期是20世紀的60年代，具體表現出的特點是線性和遞歸性，也就是能夠準確預測下一刻的發生狀態，因而該公式顯示特性如下：

式子（1）、（2）、（3）、（4）和（5）即卡爾曼濾波器5個基本公式，該套公式充分顯示了對于單模型單測量與方式。

2.2 粒子濾波

粒子濾波也是一種目標跟蹤的計算方法，是由Smith等人根據一定量的計算與檢驗而提出來的，它主要是通過估算來進行計算的，要求必須對概率的密度函數有所了解，并能靈活應用。粒子濾波表示概率的單位是粒子集，因此其求值特性表現為非線性非高斯問題，而粒子濾波這種計算方法的基礎是蒙特卡洛，也就是要求研究者能夠通過試驗模擬來對積分問題進行有效地解決與處理，在實際應用過程中，必須要能準確地把握粒，子濾波的原理，即是將概率的密度函數用隨機樣本來進行替換，將積分運算以樣本均值的形式來進行再次地替換，通過共同的作用來對其最小的方差進行一定的估算。在具體估算的過程中，樣本的數量如果越大，將會使所得到的結果更為接近所要求的概率密度。

3 改進目標跟蹤算法的策略

從上個世紀70年代開始，部分研究者已經在通過概率估算不斷地提出最新的概念，比如，Fukunaga等人通過一些書籍提出MeanShift的實際概念，這個概念的含義是對于漂移的具體均值向量認識，這種算法是運用迭代方法進行最為適宜的一種優解思路。在后期，還有一些研究者將該種計算方法進行了核算，通過核算法來逐漸改進目標跟蹤方法的實際應用，更是通過定義來對核函數進行更為準確地描述，進一步設定權重來靜啊所研究出來的方法進行了更大范圍的應用。這種算法不會過分地遵從傳統的先驗知識，還能不斷提升收斂的速度，將圖像分割與目標跟蹤的實際應用發揮到更大，促進其它相關領域的不斷發展。

處理數字視頻圖像所涉及的領域也極其地廣泛，現在更多的研究者也在就其領域進行著不同程度地研究。而目標跟蹤在作為一種實際數字視頻圖像存在的同時，將會在更多領域起到極其重要的作用。在圖像處理地過程中，提取顯示圖是必不可少的環節，要求將其作為重要部分來看，也是由于計算機的視覺效果中被大眾廣泛的應用。用相異的顯示圖提取方法，也會收獲更為不同的效果。人們將人眼的視覺與計算的視覺技術逐漸融合在了一起，對于人眼視覺的理解，也是一種更為適合計算機視覺技術而產生的心理調適的過程，對環境進行不斷地選擇，在這個過程中，也對選擇環境的具體事物能夠展開一定地關注或者忽略。就目標跟蹤方法而言，也對人眼視覺不斷地研究，整個過程更不斷提高目標跟蹤方法的精準度，并將其與現實生活的事物進行緊密的結合，促進計算機數字視頻圖像的發展。在跟蹤目標的實際操作過程中，逐漸解決丟失率高的問題，減少鎖定目標物難度。伴隨著科學技術的快速發展，目標跟蹤方法的計算方法不斷地提出，研究工作者不斷突破瓶頸來解決問題，共同促進目標跟蹤方法的發展，進一步促進計算機技術逐漸完善成熟。

研究人員通過對目標區域的選擇來不斷自動使用初始幀，以實驗的形式來不斷地檢驗計算的結果，提高目標跟蹤方法的精準度；也會通過短視的頻序列來不斷檢驗跟蹤的效果，比如可以用旋轉目標物、遮擋目標物的辦法來逐漸進行跟蹤，看所提取的短視頻是否能夠檢驗跟蹤效果。在不斷改進核算發啊的同時，也之間地對目標的相關標定展開修正。在改進目標跟蹤算法的具體策略中，人們需要明確地信息融合的目標跟蹤方法，知道發揮目標跟蹤方法的作用。通過實際效果來不斷地增強其實用性，更好地發揮其自動識別的實用作用，結合人們的眼睛，精準地定位目標物，通過專業的目標鎖定方式提高其跟蹤的效率，充分保證跟蹤目標的質量。在實際把控運動目標識別與跟蹤技術的過程中，不斷地促進機器視覺向好發展，也幫助人們對增強對目標跟蹤方法的認識，能通過目標跟蹤法把控所要掌握的諸多信息，更好地提升目標跟蹤方法的精度。

4 結束語

綜上所述，本文就現有目標跟蹤方法的現狀和存在問題展開討論，并通過卡爾曼濾波器和粒子濾波地分析，更為清楚的理解目標跟蹤的應用算法，最終提出一些改進目標跟蹤算法的具體策略，使得人們可以更為明確地了解到信息融合的目標跟蹤方法，并且知道今后如何更好地發揮目標跟蹤方法的作用。在通過保障跟蹤的實際效果，來不斷的增強目標跟蹤的實用性，進一步發揮其在目標領域的實際自動識別作用，讓其與人們的眼睛進行更好地結合，及時且準確的對目標物進行更為精準的定位，用專業的鎖定方式來不斷提高跟蹤的效率，保證跟蹤的質量。把控運動目標的識別和相關跟蹤技術，促進機器視覺的不斷發展。應用目標跟蹤方法過程中，不論是哪個領域，都能通過目標跟蹤法更好地把控所要掌握的信息，提升目標跟蹤的精度。