第1章 绪论

目标识别与跟踪技术综合了图像处理、人工智能、概率与过程、化和自动控制等多学科理论，每个学科的进步都会促进其向更深层次的研究和发展，具有十分重要的军事和商业应用价值，受到各个阶层研究者的广泛关注。

1.1 目标识别与跟踪技术简介

目标识别与跟踪技术的实质是通过卫星、雷达或传感器等数据采集设备，对指定的兴趣目标(如飞机、轮船、行人或监控物等)在特定场景中的运动进行连续性推断或评估，以获得目标的实时状态(如位置、尺寸和速度等信息)，并对其中的有用信息进行分析和处理，以建立低层次图像处理技术和高层次语义内容分析与理解之间的桥梁。近些年，随着航空航天技术、计算机技术、传感器技术以及数据处理技术的不断进步，目标识别与定位技术在军用、民用和智能化产品中越来越呈现出十分重要的作用，各国政府、高等院校、研究所和商业公司不断对该技术的研究投入大量的人力和财力资源，相应的理论和应用成果也随之不断涌现。

1.1.1 国内外研究成果

在卫星定位系统研究方面，法国于1986年发射SPOT1(Systeme Probatoired Observation de la Terre)卫星，空间分辨率约为10m，到2012年发射的SPOT6卫星，空间分辨率能够达到1.5m。2014年继续发射SPOT7卫星，进一步提高了卫星获取数据的效率和手段。同时，借助分散在世界各地的地面校验场对卫星传感器参数进行几何校正，不断提高卫星影像的定位精度；美国于20世纪70年代构建GPS(Global Positioning System)，经过几十年的发展，GPS目前包含的星座数目已高达31颗。预计第四代GPS工作卫星将实现33颗星座分布式工作，大大提高了目标定位精度；俄罗斯的全球导航卫星系统(Global Navigation Satellite System，GLONASS)于20世纪80年代初开建，1996年达到24颗卫星，开始工作。其间经过十年多的停滞，直到2010年，GLONASS系统恢复部署，共有31颗卫星在轨运行，旨在提高目标定位精度；国内自主研发了北斗导航卫星系统(BeiDou Navigation Satellite System，BDS)，其目标是建成独立自主、开放兼容、技术先进、稳定的覆盖全球的定位导航系统，并计划于2020年建设成由35颗卫星组成的定位系统。目前北斗二代系统已经发射16颗卫星，具备了区域导航定位的能力，正在逐步向覆盖全球的定位系统推进。为了提高定位精度，我国在西安、上海、长春、昆明、乌鲁木齐、南极等6个地区建立了跟踪站，并与1个数据中心和1个分析中心组成测试评估系统。同时，在新加坡、澳大利亚等8个国家建立了实验跟踪站，将轨道精度由5m提高到0.5m，CEO卫星轨道精度达到2m。通信卫星、遥感卫星和测绘卫星等多类型的信息采集途径和日益提高的卫星定位精度，使人们可以通过对卫星获取的信息进行特征提取和分析，进而深入研究指定目标物的识别与跟踪方法。

在目标识别与跟踪系统研究方面，美国国防高级研究项目署(DARPA)分别于2000年和2008年资助了项目HID(Human Identioncation at a Distance)和实时流视频监控技术研究，前者旨在开发多模式监控技术，后者旨在从视频中快速发现人的行为并进行分析；美国的空军研究室、海军研究室和导弹系统研究中心等部门联合开展试验卫星系统研究计划，于2003年发射首颗卫星ESS-10，其可以对低轨道上的航天器进行拍照，并对目标进行跟踪、监视和位移保持等。2005年再次发射ESS-11卫星，它可以进行自主跟踪、监视和交会等操作。俄罗斯研制出的空间目标监视系统和导弹预警系统，其境内主要布有名为"沃罗涅日"及"伏尔加河"的雷达监视网络，它的空间目标监视技术在某些方面已经超过美国。2000年英国也发射了Snap-1卫星，通过安装的视觉传感器系统，可以到达两公里内对其他小卫星的持续性跟踪。中国科学院自动化研究所的模式识别国家重点实验室研究并开发的交通监控系统VS-Star(Visual Surveillance Star)，已经在2008年的北京奥运会和2010年的上海世博会上用来辅助安防监控的"中科奥森"人脸识别和智能的视频监控系统，并且分别在2011年和2012年发射"神州八号"和"神州九号"飞船，实现了与天宫交会对接技术，其中视觉传感器技术的应用起到了非常关键的作用。另外，意大利摩德纳大学(UNIMO)于2003年研发的SAKBOT系统，IBM于2004年开发的Smart系统，雷丁大学与法国INRIA等研究部门联合在2004年研究并开发了机场智能监控系统项目AVITRACK等。

1.1.2 国内研究机构

国内外很多研究所和大学都在目标识别与跟踪方面做出了深入的研究，并且取得了大量的研究成果。在国外，如美国的中佛罗里达大学、卡耐基梅隆大学、南加州大学、麻省理工学院，英国的牛津大学，瑞士的苏黎世联邦理工学院，澳大利亚的阿德莱德大学和法国的计算机科学与技术研究所等。

在国内，中国科学院自动化研究所的模式识别国家重点实验室和微软亚洲研究院的视觉研究组在目标跟踪和目标识别等方面处于经验丰富地位。其他高校也在积极开展研究，如清华大学、北京大学、浙江大学、上海交通大学、华中科技大学、西安交通大学等也在目标识别、视频分析和理解领域进行了深入的研究。

在实际应用方面，很多国内外的公司和企业也长期致力于视频相关技术的研发，如美国的ObjectVideo、DVTel公司、法国的Citilog公司、以色列的NiceVision公司和瑞典的IMINT公司等。在国内，杭州海康威视公司拥有经验丰富的技术，致力于视频处理和分析技术的研发；深圳大疆科技公司自主研发的影像采集和处理系统，虽然起步较晚但发展迅猛；深圳贝尔信公司在嵌入式系统智能行为识别方面具有较强的科研优势；还有全球鹰、迪威视讯、大华股份等。此外，一些IT公司(如Google、微软、IBM、百度和华为等)也在不断研发与目标跟踪相关的应用产品。

1.2 目标识别与跟踪技术的应用

近年来，随着计算机处理能力的不断提高，存储成本的不断下跌，目标识别与跟踪技术的研究进程得到了巨大的推动。然而，真正使目标识别与跟踪技术在视觉领域中获得广泛关注的主要原因是其在实际中大量而又极其重要的应用。

1.智能视频监控系统

智能视频监控系统(Intelligent Video Surveillance，IVS)是计算机视觉领域中活跃的应用方向之一。它利用计算机视觉、图像处理和状态空间分析等理论，在尽可能少的人为干预条件下，对视频序列中的目标进行提取、处理、分析和理解，以实现对特定目标的定位、识别和跟踪，保持目标在视频监控内的运动可见性。同时，当目标在摄像机视野消失后再出现时(可能出现在另外一个摄像机)，能够实时调节单摄像机的角度和进行多摄像机间的通信，从而捕捉到兴趣目标的运动轨迹。然后，对跟踪结果进行分析以实现异常行为检测、社会活动分析和可疑目标预警等操作，提高公共安全的保障能力。依据市场研究结果显示，美国自2009年开始已经组建了包含约3000万台摄像机的监控网络，投入经费从2006年的49亿美元上涨到2011年的90亿美元。虽然我国安防市场起步较晚，但根据《中国安防行业"十二五"发展规划》，截止到2015年，我国的安防行业总产值已达到5000亿元。

如图1.1所示，智能视频监控系统主要研究内容包括：低级图像采集与处理；中级目标表征、识别和跟踪；高级图像理解与行为，语义识别和分析等。可以明显看出，目标检测、识别和跟踪技术是该系统正常运行不可缺少的核心组成部分。在国内，中国科学院自动化研究所模式识别国家重点实验室建立了一套针对室内外场景监控的视频运动目标分析系统，能够分析场景中目标运动过程中存在的多种体态形式，获得了很好的应用效果。西北工业大学建立了一套Great Wall视频目标综合分析系统，能够实现复杂系统下对特定目标的跟踪、形态分析和行为识别等功能。此外，杭州海康威视研究院也基于高速公路环境设计出一系列异常行为检测、违章停车和交通拥塞识别等产品，并已经成功推向市场。因此，作为智能视频监控中的关键性技术，目标识别与跟踪算法的研究具有很大的应用价值。

图1.1智能视频监控系统层次结构示意图

2.智能交通系统

交通安全已经成为当今社会的一大重要问题，城市智能交通系统(Intelligent Transportation System，ITS)的目标是对城市交通进行监控和控制。该系统通过对城市中所有道路交通的流量检测、交通状况检测、环境气象检测和运行状况等进行信息提取，从而产生智能化控制方案，以达到控制交通流量、改善交通运行状况、减少事故发生概率和即时响应交通紧急状况的目的。智能交通系统正在成为缓解交通堵塞、提高交通安全及辅助交通管理等问题的有效解决工具，已受到世界各国的重视。为此，世界各国纷纷投入大量的资金和科研人员研制智能交通系统，如美国研制出的车辆检测系统(AUTOSCOP)，法国研制开发的能够检测违章停车、逆行和超速等行为的TRAFICON系统，日本研制的车辆信息与通信系统(VICS)等。我国在《国家中长期科学和技术发展规划纲要(2006-2020)》中强调了智能交通系统在国家战略中的重要作用。清华大学研制的自动交通视觉监控系统(VISATRAM)能够将视觉交通检测的研究成果应用到中国公路交通的高科技研究产品中。中国台湾交通大学电机与控制工程学系智能控制系统集成实验室开发了独立式实时图像跟踪系统，对交通视频图像中的车辆进行检测和跟踪。

智能交通领域中，由于道路本身的复杂性、光线变化、阴影、天气因素等事件问题，造成系统虚警或漏检。复杂场景下目标检测、识别与跟踪成为高级视觉识别的挑战性难题。目标识别与跟踪技术以在线或离线的形式在智能交通系统中起到了重要的作用，其利用智能交通网络中安装的大量摄像机，对车辆进行实时监控、识别和跟踪，以自动获得车辆的速度、流量和道路拥堵状况等信息。同时，利用不断积累的车辆跟踪结果进行统计、分析和数据建模，在目标识别与跟踪技术的帮助下，与车辆相关的位置、速度和轨迹等信息更容易被自动获得，从而能够达到在无人为参与的情况下对交通状态进行实时分析。文献研究了Quick Bird卫星数据中城市道路中的车辆队列信息，依据单个车辆特征建立车队模型，通过匹配算法对车辆队列识别，在边缘提取和宽度函数分析的基础上，实现单个车辆检测。文献在道路提取的基础上，利用颜色模型提出车辆识别方法，并利用窗口搜索识别单个车辆，在车辆识别的基础上，提取车辆密度等交通流参数，以辅助智能交通系统。文献针对高分辨率遥感图像中的小型目标，利用视觉注意机制实现目标检测，结合背景抑制、Mean Shift分割、目标特征提取等算法，有效实现运动目标的稳定跟踪。

文献研究了支持向量机(SVM)模型在车流量预测领域的应用。文献深度学习了将模型应用到车流量预测领域，大大提高了预测的精准度。

3.移动机器人导航

移动机器人是一种典型的自主式机器系统，具有很高的智能化水平，是机器人学、动力学、自动控制、电子技术、计算机技术和人工智能等多学科交叉的产物，是目前国内外学术研究的活跃领域。智能导航系统主要是利用摄像机和其他传感器设备对周围环境和兴趣目标进行实时检测和跟踪，基于对视频处理结果的理解与分析，引导机器人或车辆执行特殊的作业或任务。美国国家航空航天局(NASA)研制的"勇气号"和"机遇号"火星探测车，通过导航摄像机实现路径规划并引导仪器设备进行精细检测。德国凯撒斯劳滕工业大学和比利时皇家军事学院联合研制移动机器人RAVON，通过车体前方顶部两个摄像机组成立体视觉系统，承担远程场景目标的观测、路径规划和导航任务，并利用多台工控机完成实时导航。我国哈尔滨工业