燕 山 大 学
本科毕业设计（论文）文献综述
课题名称： 基于SURF的目标跟踪算法研究 学院（系）： 电气工程学院 年级专业： 08级过程控制 学生姓名： 徐少伟 指导教师： 胡硕 完成日期： 2011年3月18日
一、课题国内外现状
……………………………………………………………………………… 二、研究主要成果
……………………………………………………………………………… 三、发展趋势：
……………………………………………………………………………… 四、存在问题
……………………………………………………………………………… 五、主要参考文献
………………………………………………………………………………
指导教师审阅签字：
年 月 日
说明：
1. 文献综述版面设置为：B5纸，上下页边距分别为2.5cm和2cm，左右页边距分别为2.4cm和2cm。
2. 文献综述正文标题及内容，宋体，小四号，行间距为固定值20磅。 3.本科毕业设计（论文）文献综述一般不少于1000字。
4.查阅文献资料篇数，按《燕山大学关于本科生毕业设计（论文）工作的规定》执行。
5.以上结构格式为参考格式。 6.页面不够可加页。
一、课题国内外现状
相对而言，国外对于目标跟踪技术的研究起步较早，在理论研究及实际应用方面均处于领先地位。国外的研究机构主要有美国麻省理工学院的 Media Lab, AI lab，卡内基梅隆大学的Human Computer Interface Institute,微软研究室，英国的雷丁大学，法国的INRIA等。国内的研究起步较晚，但也有许多高等院校和研究机构在目标跟踪技术研究领域投入了相当大的研究精力，如中国科学院自动化研究所模式识别实验室在人体运动分析、交通行为事件分析、交通场景视频监控和智能轮椅视觉导航等方面做了大量研究，取得了许多科研成果。华中科技大学图像识别与人工智能研究所在导航制导方面做了大量相关研究工作。西安交通大学人工智能与机器人研究所则将研究重点放在了机器人视觉及与数字图像智能信息处理方面。重庆大学智能化信息技术及系统研究室在可见光及红外环境中人体跟踪技术研究及视频监控系统研制方面也投入了大量精力，取得了很多科研成果。
鉴于目标跟踪技术的重要应用价值，美国、英国、法国等发达国家分别开展了大量相关研究项目。如在1996年至1999年间，美国国防高级研究项目署（DARPA）设立了视频监控重大项目 VSAM（Video Surveillance And Monitoring），以实现对未来城市、战场的自动监控。DARPA在2000 年又资助了重大项目HID计划（Human Identification at a Distance），旨在研究开发多模式的监控技术以增强国防、民用等场合的自我保护能力。欧盟资助英国、葡萄牙和法国等国于 2002 年开始设立 CAVIAR(Context Aware Vision using Image-based Active Recognition)项目。该项目通过对城市公共场所监控视频的分析来检测异常事件(如斗殴、醉酒、故意破坏公物等)的发生，并完成自动报警的功能。
当前，国际上的许多信息处理类权威杂志如：PAMI（IEEE Transactions on Pattern Analysis and Machine Intelligence）、IVC（Image and Vision Computing）、IJCV（International Journal of Computer Vision）、CVIU（Computer Vision and Image Understanding）和重要年度学术会议：CVPR（IEEE Computer Society Conference on Computer Vision and Pattern Recognition），ECCV（European Conference on Computer Vision）、IWVS
（IEEE International Workshop on Visual Surveillance）等都将目标跟踪作为主题内容之一，为该领域研究人员提供了广泛的交流平台。
二、研究主要成果
在基于特征点的目标跟踪研究中，一些研究者综合考虑特征点遮挡和特征点预测结果等情况，将特征点匹配算法应用到运动目标的识别和跟踪中，其中Chris Harris和Mike Stephens在1988年提出的Harris角点检测算法是点匹配算法中较简单的一种，它的主要特点是: 对操作的灰度图像的每个点计算在横向和纵向的一阶导数以及二者的乘积，特征点是局部范围内的极大兴趣值对应的像素点; 算法中的阈值依赖于实际图像的属性如尺寸、纹理等，它不具有直观的物理意义，其具体值难以确定。
之后，David G．Lowe在1999年提出的SIFT(Scale Invariant Feature Transform即尺度不变特征变换)特征匹配算法是特征匹配研究领域的热点。David G．Lowe在 2004 年进一步总结现有的基于不变量技术的特征检测方法的基础上，提出一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的特征匹配算法。SIFT 特征是图像的局部特征，该特征对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性，但是SIFT特征匹配算法计算复杂，耗费时间长，而且匹配不够精确。
目前，Bay等人在2006年提出的SURF算法借鉴了SIFT中简化近似的思想，将Hessian矩阵的行列式值Doh(Determinant of Hessian)中的高斯二阶微分模板进行了近似简化，使得模板与图像的卷积运算简化为简单的加减法运算，并且计算量与滤波模板的尺寸无关，实验证明了SURF算法较SIFT算法快3倍左右，综合性能也要优于SIFT算法。这种算法也是目前基于特征点匹配的目标跟踪技术研究的主要方向。
三、发展趋势
一个跟踪算法的优劣，主要从三个方面来进行评价：
1）鲁棒性
一个好的跟踪算法不仅可以在场景较简单的环境中跟踪目标，当场景内干扰较大时，例如光照发生变化、目标发生遮挡时，算法仍应保证目标不丢失，或者短暂的丢失后可以恢复。强鲁棒性即代表算法的稳定性、抗干扰性较强。
2）实时性
目标跟踪所应用的领域一般要求对视频图像进行实时处理，及时地将跟踪结果反馈给操作员。因此，要保证算法的实时性，跟踪算法的计算量便不能太大，然而大体上计算量的大小和跟踪的精确性和鲁棒性呈反比关系，因此，如何平衡两者之间的关系是一个需要认真考虑的问题。
3）准确性
准确性是指目标跟踪的精确程度。它可以通过比较目标跟踪算法估计的目标位置、尺寸等参数与目标的实际参数间的接近程度来衡量。在不同的场合，要求目标跟踪的允许的误差范围有所不同。
由以上三个方面以及已知的研究成果可知，基于SURF的目标跟踪算法是先阶段最为优良可行的算法，也就是当前研究发展的趋势所在。
四、存在问题
经过几十年的研究，目标跟踪理论已经取得了很多可喜的成果。然而由于跟踪环境的复杂性，目标跟踪研究仍面临很多难点。
1) 复杂的背景干扰
在跟踪场景中，环境一般都不是一成不变的，它会受到光照条件变化、树叶晃动、其它相似运动目标、摄像机的镜头清晰程度等因素的影响，而这些因素造成的干扰是随机的，没有规律可循，通过像素值的变化很难看到图像发生变化的真正原因。
2) 运动目标的遮挡问题遮挡主要包括目标之间的遮挡、目标被背景遮挡以及目标的自遮挡。在遮挡发生后，目标由于被遮挡，其特征不可见，因此在遮挡过程中跟踪算法往往会丢失目标。
3) 运动目标的形态变化和尺度变化
文献综述
