1.1 设计的提出及意义

图像或视频中的目标检测,意在基于目标表观和轮廓区域等信息准确地对图像中感兴趣的目标进行定位,即将目标的定位和分类合二为一。对于视频目标而言.它的基本任务是从图像序列中检测出运动信息,简化图像处理过程,得到所需的运动矢量，从而识别与跟踪物体。由于运动目标的正确检测与分割影响着运动目标能否被正确跟踪与分类，所以，视觉目标检测是计算机视觉技术的一个重要部分，也是机器学习与人工智能领域的一项重要研究课题。近年来，虽然在图像处理和模式识别领域中，人脸、车牌等目标检测方法已日趋成熟.但在复杂环 境下，可靠的目标检测算法还有待进一步研究。其原因在于:首先,一些目标是非刚性、多姿态、多角度的物体.如人体目标:其次，含有目标的图像背景一般都是复杂多变的;再次，目标很容易被其他目标或者物体遮挡。因此,通过运用机器学习与模式识别中的相关知识.使计算机能够自动、准确地检测目标,实现鲁棒、快速的目标自动提取和检测显得极为重要。

1.2 国内外研究现状分析：

相比国外,国内针对运动目标检测与跟踪技术的研究起步较晚,但通过各大高校和科研机构近年来的研究探索,国内学者在运动目标检测与跟踪领域也做出了重大贡献。

在运动目标检测与跟踪技术领域,很多高校和科研机构进行了深入的研究,例如中国科学院北京自动化研究所的模式识别国家重点实验室对视频监控中交通异常行为和异常事件进行了研究,取得了可喜的成果;清华大学以人们生存的自然环境作为视频研究对象,对真实场景中视频内容进行了深入研究;西安交通大学开发出了智能车辆跟踪系统。但是，我国在运动跟踪方面还存在很多问题，如存在数据不能实时处理、图像质量较差、跟踪目标丢失等，这需要国内相关领域的学者共同努力来解决，以不断推动运动目标检测与跟踪技术的发展。

国外众多知名的高等院校和科研机构对运动目标检测与跟踪技术进行了持续深入的研究。到目前为止,运动目标检测领域取得了巨大进展,例如,美国卡内基梅隆大学的学者 Lipton等对帧间差分算法进行了深入研究,提出了有效的改进算法;美国马里兰大学的学者 Davis领导的研究小组一直致力于动态目标的研究,改进了传统背景模型算法;麻省理工学院的学者 Stauffer等又对背景模型算法进行了改进研究,将背景模型的建立改进为自适应的过程。在目标跟踪领域,国外对视频跟踪理论的研究起步较早。20世纪中期,GAC公司就开发出了地形识别跟踪系统,并将其应用于军事领域中。20世纪80年代,美国国家科学基金会对复杂环境中目标检测和跟踪做了深入研究,为此领域的研究做了大量工作。英国雷丁大学科研团队主要对车辆和行人的跟踪进行了总体的研究和开发。美国马里兰大学学者研制的实时视觉监控系统W4,不仅能实现对人的身体部分的定位,而且能实现多人的跟踪。

与此同时,国际学术期刊和学术会议也对运动目标检测与跟踪技术的发展做出了巨大贡献。主要的学术期刊有模式分析与机器智能( IEEE Transactions on Pattern Analysis and Machine Intelligence)、国际计算机视觉学报( International Journal of Computer Vision)、图像处理( IEEE Transactions on Image Processing)、计算机视觉与图像理解( Computer Vision and Image Understanding)、模式识别( Pattern Recognition)等;主要的学术会议有欧洲计算机视觉会议( European Conference on Computer Vision,ECCV)、亚洲计算机视觉会议( Asian Conference on Computer Vision,ACCV)、国际模式识别会议( International Conference on Pattern Recognition,ICPR)等,这些学术期刊和会议报道了当前运动目标检测与跟踪技术的相关研究。

2. 研究的基本内容与方案

2.1 研究目标

选用keras-yolov3进行目标的检测，并对算法进行调整，使得在开始检测时运动轨迹不会过于偏离，并尝试进行遮挡处理。然后结合卡尔曼滤波进行目标跟踪。

2.2研究的基本内容