智能视频监控关键技术

　　（2.2）如果，我们认为第i个已捕获目标没有在当前帧里找到时间上的后续对应。它的置信度会降低，如果它的位置已经接近了场景的边缘，我们认为它已经走出了场景，将其从已捕获链表中移除。如果它置信度降低了后仍然较高，且它的位置在场景观测区中，我们仍然使用（1）中的线性滤波去预测它的下一帧位置。

　　（2.3）当前检测到的目标，若在已捕获目标链里未找到合适的关联目标，将其作为新目标添加进已捕获目标链表，并赋予一个初始的置信度。

　　（3）按照（1）和（2）的过程处理下一帧视频直到图像序列结束。

　　图2-1 绿茵场上对球员跟踪

　　2.2基于卡尔曼滤波的运动目标跟踪

　　卡尔曼滤波是以最小均方误差作为估计的最佳准则，来寻找一套递推估计的算法，其基本实现是：采用信号与噪声的状态空间模型，利用前一时刻的估计值和当前时刻的观测值来更新对状态变量的估计，求出当前时刻的估计值。卡尔曼滤波方法流程分为预测和更新两个部分。

　　在运动目标跟踪中采用卡尔曼滤波的方法，就是要合适地运用卡尔曼滤波的预测和更新方程。在本系统中的卡尔曼滤波跟踪中，将目标块的状态用两个位置变量和，以及两个速度变量和表示。这四个变量组成状态向量的元素。认为目标块的运动为线性的，则传递矩阵和状态向量表示为：

　　，

　　目标块测量向量只包括测量到的目标块的位置信息，也就是:

　　得到了运动目标块以后，为运动目标块的状态向量、过程噪声、测量值和最重要的传递矩阵进行初始化，然后就可以按照卡尔曼滤波的预测和更新两个过程对运动目标块的运动进行跟踪了。

　　在本算法中采用最近邻匹配法和卡尔曼滤波法相融合的方法来进行运动目标跟踪。由于最近邻匹配法依靠与前景检测的结果，在前景中存在噪声或者是前景检测结果不佳的情况下无法对运动目标块进行准确的跟踪，可能会造成目标块丢失等情况的发生。在这种情况下可以采用基于卡尔曼滤波的方法，根据目标块的历史记录信息来预测运动目标块可能存在的位置，从而进行跟踪。

　　本算法的流程如下：

　　1、对目标链中的目标块与候选链进行最近邻匹配法。若通过最近邻法，在候选链中找到了与此目标块相匹配的目标块，则进行2。否则，执行第3步。

　　2、将相匹配的候选链中的块的位置信息当作目标链中此目标块在当前时刻的位置。若此目标块之前进行过卡尔曼滤波，则删除该目标块的卡尔曼滤波相关结构。

　　3、对未找到匹配的运动目标块进行卡尔曼滤波。若此运动目标块之前进行了卡尔曼滤波没有超过阈值，则继续进行卡尔曼滤波。若此运动目标块之前没有进行过卡尔曼滤波则初始化该块的卡尔曼滤波参数，进行卡尔曼滤波。除此以外，执行第4步。

　　4、若此运动目标块进行卡尔曼滤波次数超过了预设的阈值，还未通过最近邻法找到匹配块，则认为此块丢失。