基于视觉信息融合的目标跟踪方法

文/王洁

伴随着信息社会的不断发展，人们更加注重对于视觉信息的把握，特别是如何进行更为精准的目标跟踪计算，以实现人们可以快速地从所拥有的庞杂信息里提取更为有用的信息，进一步促成目标任务的完成。在认识到目标跟踪在视觉信息融合中的重要作用，就必须学会更好地掌握目标跟踪的方法，将这种计算用法更好地应用到实际的视频图像处理中来。对于运动目标的识别和相关跟踪技术的把控，可以更好地促进机器的视觉发展。现有的目标跟踪方法仍然存在技术上的不足，具体体现在现有算法无法对目标物进行长时间的跟踪，亦或是在对快速移动的目标物跟踪过程中，极其容易出现目标物丢失现象。因此，不论是工业领域，还是军事领域，优化目标跟踪算法使其更好地把控所要掌握的信息，将便于更多领域不断提升目标的跟踪精准度。

1 现有目标跟踪方法的现状和存在的问题

1.1 目标跟踪方法的现状

处理数字视频图像，是一种多门学科在交叉过程中形成的技术手段，所涉及的领域也极其地广泛，现代的信息社会已将其列为一项热门的学科内容，因此现在更多的研究者也在就其领域进行着不同程度地研究。而目标跟踪在作为一种实际数字视频图像处理机制的重要分支，将会在更多领域起到极其重要的作用。在目标跟踪过程中，提取目标物是必不可少的环节，目标跟踪法是特征提取算法作为提取目标物的图像局部特征的基础运算。当然在提取目标物时，用不一样的提取方法，也会收获不一样的效果。

从20世纪80年代开始，人们也逐渐将人眼的视觉与计算的视觉技术逐渐融合在了一起，这使得计算机在对图像和视频等信息进行处理的过程中，能够充分贴近人眼视觉，从而有需要地对图像和视频等信息环境进行不断地选择，在这个过程中，也需要对选择环境的具体事物能够展开一定地关注，或者干脆将其进行忽略。就目标跟踪方法而言，也需要对人眼视觉不断地研究，整个过程也是不断提高目标跟踪方法的精度。

1.2 现有目标跟踪方法急需的问题

从现有的技术层面看，目标跟踪所存在的问题不容忽视，比如，跟踪目标的实际操作中，丢失率表现地过高，重新对目标物进行锁定的时候，也是有一定的难度的。

在当前科学技术快速发展的大背景下，目标跟踪方法的计算方法不断地被研究人员提出。肯定进步的同时，依然要认识到在实际图像相关显示性中的检验不足，在我们提取地具体精度过程中，现存的技术还不能满足实际的需要，包括在目标跟踪方法的算法中，也不能满足精简的技术要求，这些不足都是要求后来研究工作者能够不断突破瓶颈来进行一一地解决，共同促进目标跟踪方法地不断发展，促进计算机技术逐渐完善成熟。

2 目标跟踪的应用算法

2.1 卡尔曼滤波器

卡尔曼滤波器作为一种目标跟踪的计算方法，首先是一种独特的滤波器，主要功能是用来预测的，其最早的提出时期是20世纪的60年代，具体表现出的特点是线性和递归性，也就是能够准确预测下一刻的发生状态，因而该公式显示特性如下：

式子（1）、（2）、（3）、（4）和（5）即卡尔曼滤波器5个基本公式，该套公式充分显示了对于单模型单测量与方式。

2.2 粒子滤波

粒子滤波也是一种目标跟踪的计算方法，是由Smith等人根据一定量的计算与检验而提出来的，它主要是通过估算来进行计算的，要求必须对概率的密度函数有所了解，并能灵活应用。粒子滤波表示概率的单位是粒子集，因此其求值特性表现为非线性非高斯问题，而粒子滤波这种计算方法的基础是蒙特卡洛，也就是要求研究者能够通过试验模拟来对积分问题进行有效地解决与处理，在实际应用过程中，必须要能准确地把握粒，子滤波的原理，即是将概率的密度函数用随机样本来进行替换，将积分运算以样本均值的形式来进行再次地替换，通过共同的作用来对其最小的方差进行一定的估算。在具体估算的过程中，样本的数量如果越大，将会使所得到的结果更为接近所要求的概率密度。

3 改进目标跟踪算法的策略

从上个世纪70年代开始，部分研究者已经在通过概率估算不断地提出最新的概念，比如，Fukunaga等人通过一些书籍提出MeanShift的实际概念，这个概念的含义是对于漂移的具体均值向量认识，这种算法是运用迭代方法进行最为适宜的一种优解思路。在后期，还有一些研究者将该种计算方法进行了核算，通过核算法来逐渐改进目标跟踪方法的实际应用，更是通过定义来对核函数进行更为准确地描述，进一步设定权重来静啊所研究出来的方法进行了更大范围的应用。这种算法不会过分地遵从传统的先验知识，还能不断提升收敛的速度，将图像分割与目标跟踪的实际应用发挥到更大，促进其它相关领域的不断发展。

处理数字视频图像所涉及的领域也极其地广泛，现在更多的研究者也在就其领域进行着不同程度地研究。而目标跟踪在作为一种实际数字视频图像存在的同时，将会在更多领域起到极其重要的作用。在图像处理地过程中，提取显示图是必不可少的环节，要求将其作为重要部分来看，也是由于计算机的视觉效果中被大众广泛的应用。用相异的显示图提取方法，也会收获更为不同的效果。人们将人眼的视觉与计算的视觉技术逐渐融合在了一起，对于人眼视觉的理解，也是一种更为适合计算机视觉技术而产生的心理调适的过程，对环境进行不断地选择，在这个过程中，也对选择环境的具体事物能够展开一定地关注或者忽略。就目标跟踪方法而言，也对人眼视觉不断地研究，整个过程更不断提高目标跟踪方法的精准度，并将其与现实生活的事物进行紧密的结合，促进计算机数字视频图像的发展。在跟踪目标的实际操作过程中，逐渐解决丢失率高的问题，减少锁定目标物难度。伴随着科学技术的快速发展，目标跟踪方法的计算方法不断地提出，研究工作者不断突破瓶颈来解决问题，共同促进目标跟踪方法的发展，进一步促进计算机技术逐渐完善成熟。

研究人员通过对目标区域的选择来不断自动使用初始帧，以实验的形式来不断地检验计算的结果，提高目标跟踪方法的精准度；也会通过短视的频序列来不断检验跟踪的效果，比如可以用旋转目标物、遮挡目标物的办法来逐渐进行跟踪，看所提取的短视频是否能够检验跟踪效果。在不断改进核算发啊的同时，也之间地对目标的相关标定展开修正。在改进目标跟踪算法的具体策略中，人们需要明确地信息融合的目标跟踪方法，知道发挥目标跟踪方法的作用。通过实际效果来不断地增强其实用性，更好地发挥其自动识别的实用作用，结合人们的眼睛，精准地定位目标物，通过专业的目标锁定方式提高其跟踪的效率，充分保证跟踪目标的质量。在实际把控运动目标识别与跟踪技术的过程中，不断地促进机器视觉向好发展，也帮助人们对增强对目标跟踪方法的认识，能通过目标跟踪法把控所要掌握的诸多信息，更好地提升目标跟踪方法的精度。

4 结束语

综上所述，本文就现有目标跟踪方法的现状和存在问题展开讨论，并通过卡尔曼滤波器和粒子滤波地分析，更为清楚的理解目标跟踪的应用算法，最终提出一些改进目标跟踪算法的具体策略，使得人们可以更为明确地了解到信息融合的目标跟踪方法，并且知道今后如何更好地发挥目标跟踪方法的作用。在通过保障跟踪的实际效果，来不断的增强目标跟踪的实用性，进一步发挥其在目标领域的实际自动识别作用，让其与人们的眼睛进行更好地结合，及时且准确的对目标物进行更为精准的定位，用专业的锁定方式来不断提高跟踪的效率，保证跟踪的质量。把控运动目标的识别和相关跟踪技术，促进机器视觉的不断发展。应用目标跟踪方法过程中，不论是哪个领域，都能通过目标跟踪法更好地把控所要掌握的信息，提升目标跟踪的精度。