分享最近做运动目标跟踪的经历

    运动目标的分类（给团块标上ID）不仅仅只是考虑运动跟踪算法，同时它也涉及到新团块的分析、团块的交叉与重叠等问题，单纯的运动跟踪算法并不解决这些问题。

 

    opencv2.1自带的跟踪算法有如下几个：

  1. CCMSPF - connected component tracking and MSPF resolver for collision
  2. CC - Simple connected component tracking
  3. MS - Mean shift algorithm
  4. MSFG - Mean shift algorithm with FG mask using
  5. MSPF - Particle filtering based on MS weight

    第一个是CC与MSPF算法的结合，第二个不太了解，第三个meanshift的原始算法，第四个是meanshift的改进算法，第五个是粒子滤波算法。

 

   针对项目目前使用的跟踪dll ，在实际的监控环境中, 通过观察，我们可以看出：一旦有团块相互交叉的时候，跟踪的时候就特别慢，交叉的团块数量越多，算法速度越慢；在没有团块交叉重叠的情况下，即使跟踪的运动目标数量比较多，算法的速度也没有明显的变慢。

    为了发现原因所在，查看分析了目前项目的使用的跟踪dll的源码。不难看出，目前的跟踪算法其实使用的就是opencv2.1自带的跟踪算法，只是因为项目需要，由小组成员封成了规范的接口。源码中很清晰的显示我们用的跟踪算法用的是CCMSPF，该算法能够有效处理团块的交叉重叠问题，跟踪的正确性也相比其他几个要好，但是与此同时，因为引入了交叉重叠问题的处理机制，在监控时，如果图像中有目标相互交叉重叠，势必会引起计算量的大幅增加，导致了算法速度下降，不能很好满足监控的实时性。

   通过算法效果对比观察， 相比CCMSPF，MSFG算法中没有包含处理团块的交叉重叠问题，因此MSFG在算法速度上比较稳定，不会受到团块交叉重叠的影响，但是这种算法会将重叠后分开的团块都认为是新的团块，导致跟踪的不正确性（对于视频摘要，这是极不可取的）。

 

   通过以上叙述，目前有两种选择：

1 选择CCMSPF算法，优点：跟踪准确性高，缺点：重叠交叉时算法无法达到实时性的要求；

2 选择MSFG算法，优点：能够满足实时性要求，缺点：跟踪准确性较低。

 

   两种算法都不能做到即能准确跟踪又能做到跟踪的实时性，那么我们考虑以下几种解决办法：

1 改进算法（短时间不太可能）；

2 修改CCMSPF中处理团块交叉重叠的机制或是或是优化该段代码；

3 利用其他的算法代替opencv中的算法。

     对于第一种解决办法，尝试仔细看过了mean-shift跟踪算法的原始论文后，从算法原理来看，该算法是基于颜色直方图的距离最小化实现的，个人认为即使有再好的改进方法，也无法做到突破性的效果改善。

    第二种解决办法还未尝试。

    第三种解决办法尝试了CamShift算法（号称meanshift的改进版本），从网上download源码后，调试运行，跟踪效果其实与mean-shift相差无几，对于内容复杂的视频文件，基本上跟踪不上，比压缩传感算法效果差。

 

    无奈只有到网上搜索资料，其中有几个好的参考资料与想法：

1 http://www.roborealm.com/help/Blob_Tracking.php，国外的RoboRealm的开源项目

2 http://nuigroup.com/forums/viewthread/2219/，stackoverflow和opencv官网论坛中也有提到，目标分类的方法为：首先对图像进行目标检测，求取团块；然后对于前一帧和当前帧图像中的团块，直接用团块的中心坐标距离来做判断，如果距离在一个阈值内，则认为两个团块具有相同的ID。个人分析，该方法对团块的提取具有苛刻的要求，一旦前景检测效果不好，算法就无法使用；

3 openTLD，中文名称为捕食者算法，csdn首页之前对算法做过介绍，资料见：http://www.csdn.net/article/2011-04-15/295938，Predator：比微软Kinect更强的视频追踪算法-来自捷克博士论文。从网上下载到源码后和demo可执行程序，配置好运行环境后，运行demo，从效果来看，比压缩传感方法效果还要好，不过可惜提供的为matlab代码，无从下手。尝试到网上下载C++版本的源代码，下载速度过慢，暂时未成功。

 

    下阶段很迷茫，求高人指点。