视频目标跟踪技术应用干扰因素探讨
摘要视频图像中包含丰富的目标信息和背景信息，其为各行业安防系统的建设和应用，提高了重要技术支撑。视频目标跟踪技术的合理运用，对确保安防系统具有较高质量水平，提高社会安防水平，具有非常重要的意义。
【关键词】视频目标 跟踪技术 目标定位 目标识别
随着国民经济的进一步发展和城镇化步伐的进一步加快，各种公共安全突发事件发生频率越来越高，安防行业也成为城镇公共安全研究的核心内容。从2008年开始我国安防产业的增长率一直保持在20%的高位区间，2012年已经达到3200多亿元，预计到2015年将达到5000亿元。安防技术和设备装置的不断完善，加上各级政府的高级重视，安全产业除了产品种类和功能不断丰富外，各类风险评估、效能评估等也成为安防研究的重点。在安防产业中，视频监控系统作为安防信息获取的重要载体和最有效的直观手段，约占整个安防产业的60%左右的规模。
1 视频目标跟踪技术的主要应用领域
视频目标跟踪技术为城镇化安防系统的视频图像、数据信息等提供了重要的技术支撑，在军用和民用的各种领域中得到广泛的应用，并取得较为良好的应用效果。
1.1 无人驾驶及机器人领域
无人自动车辆驾驶主要利用安装在车辆上的高速高清晰度的摄像机，自动检测和跟踪车辆行驶环境中的行人、车辆、物体、标识等特征量，确保车辆与行人、物体、车辆间保持安全距离。机器人中通过视频信息提取进行机器人内部功能机构、多机器人的相互编队写作等，为培养带学习能力的机器人提高了重要技术支撑。
1.2 视频现场监控
在社会公共场所，例如：银行、汽车站、火车站、机场、十字交叉路口、人员流动较频繁的路段、政府重要机构等公共场所，通过智能视频监控和人脸自动识别技术，可以对公共场所的环境进行在线监控，并能对进入环境中的人员进行在线识别，对感兴趣目标（如：存在犯罪嫌疑、在网通缉嫌烦）等进行自动识别、分析与描述，实现对重要目标的在线实时检测和动态跟踪。这些基于视频图像的目标运动分析和行为信息提取等后续工作提高了详细的数据信息支撑。
1.3 视频压缩
在视频压缩编码过程中，要求对运动目标视频图像进行分割和提取，也就是需要将有用的运动目标从包含背景等因素的图像中准确提取出来，这也是压缩编码研究的重要内容。
1.4 基于视频技术的人机交互
利用计算机视觉相关理论和内部自学习运算逻辑，使其具备“自学习”、“自分析”等能力，能够通过无接触“读懂”相关信息。姿态分析、面部表情等已成为当前视频目标跟踪技术研究的热点和难点。
2 视频目标跟踪技术应用干扰因素
2.1 跟踪目标的多样性
根据实际应用功能需求的不同，视频目标跟踪的对象存在多样性，这样就对跟踪逻辑的合理设计和跟踪算法的合理选择提出了更高的要求。视频目标跟踪的对象可能是不同外观的行人（车辆）、或人的脸部（车牌）等局部位置。针对不同跟踪目标或同目标不同跟踪位置，需要建立基于不同描述函数或算法的目标外观特征模型。例如：当车辆的行驶过程中，其运动工况是动态时变的，有时是匀速运动、有时则是处于加、减速工况，有时为直线运行、有时则为转弯等。针对目标的多样性，需要设计出合适运动预测或外观跟踪检测分析模型。当跟踪目标处于运动工况时，目标运动本身就会给目标跟踪外观特征的准确提取带来压力，例如：在进行人脸部跟踪过程中，脸部的旋转等会造成脸部区域的颜色分布发生变化，就会造成新的特征信息出现而原来有的特征信息则会消失。另外，目标自身遮挡、环境因素等，也给视频目标跟踪技术的合理运用带来巨大干扰。因此，在进行多目标对象跟踪系统的建设时，需要结合跟踪系统的实际功能需求，合理设计系统结构和进行网络模型的建模描述，确保系统在多目标、自身遮挡、复杂环境等不利工况下，能够准确提取出需要的视频图像资料和数据信息，有效应对目标对象的各种变化和复杂运行环境。
2.2 跟踪环境的复杂性
中遮挡是影响视频目标跟踪系统应用质量水平的重要干扰性因素，同时也是影响跟踪成功与否与跟踪效果的一个非常重要的难点问题。目前，在视频目标跟踪中常见的遮挡主要包括背景遮挡、自遮挡、被其他目标遮挡等几个类型。当发生遮挡后，跟踪目标的特征信息和有效信息将会发生变动或丧失，就会导致目标不能持续有效地支持跟踪，而且还会给系统信息提取或分析决策带来较大的干扰，导致系统目标跟踪稳定性和动态时变性发生降低。一旦由于遮挡等外部环境引起的目标跟踪出现失败时，按照原来特征模型难以恢复到正常跟踪状态，严重时还会引起整个视频目标跟踪系统发生瘫痪。视频系统运行环境如：强度变化的光照、时变的背景因素、外力引起视频终端发生抖动等，均会给目标跟踪带来巨大的干扰，引起视频图像不清晰、不单纯等，导致跟踪精度和识别能力发生严重下降而丢失目标。因此，在复杂的外部干扰换届中，如何准确可靠的进行目标定位和目标特征信息提取，不仅是衡量跟踪算法性能的重要指标，同时还是评估跟踪系统性能的重要评估指标。
2.3 应用功能需求的多样性
视频目标跟踪技术是诸多视觉应用的基础，而实际各种视觉应用功能需求的多样性，对跟踪系统的兼容性提出了更高的要求。需要再各种复杂运行环境下（如：地铁、飞机场、人员流动频繁的公共场所）等场所，根据实际目标监测功能需求建立不同的功能模型。如果在应该功能多样性的复杂环境下，准确进行目标跟踪和目标行为预测分析，甚至可以与安防报警系统进行报警联动等功能，这些就要求根据算法具有较高的抗干扰性、兼容性和实时计算分析功能需求。但目前工程中采用的许多跟踪算法其结构和逻辑运算复杂度较高、跟踪精度也受到系统功能参数设置的影响严重，其兼容性、适应性和抗干扰性等均受到很大局限。因此。如何提高视频跟踪算法的兼容性、稳定性和抗干扰性，也是视频目标跟踪系统应用研究的一个热点和难点，需要理论结合实践进入深层次研究。
3 结束语
如何能在复杂环境中完成目标定位和跟踪识别，并经内部处理将多源信息进行有效融合处理，已成为保持跟踪性能一种有效的技术手段和研究发展方向。
参考文献
[1]候志强,韩崇昭.视觉跟踪技术综述[J].自动化学报,2006,32(4):603-617.
[2]王鑫.复杂背景下红外目标检测与跟踪算法研究[D][硕士论文].江苏:南京理工大学,2010.
作者简介
李建春（1978-），男，云南省昆明市人。现为云南无线电有限公司工程师。大学本科学历。主要研究方向为电子技术。
作者单位
云南无线电有限公司云南省昆明市650223