多目標跟蹤，就是指對圖像序列中的目標進行多檢測、提取、識別和跟蹤，通過獲得目標的運動參數(shù)，如位置、速度以及運動軌跡，從而使人們更好的理解和描述目標的行為。多目標跟蹤是近些年新興起的科學技術，它涉及到了隨機統(tǒng)計、數(shù)學優(yōu)化、圖像處理、模式識別、人工智能、自動控制等多種學科，是當今國際上研究的熱門方向。從各個國家在該領域的發(fā)展過程中不難看出，多目標跟蹤大量應用在軍事領域中，特別是應用在機載偵查和遠程預警方面。多目標跟蹤難點問題概述： 多目標跟蹤算法的主要難點是數(shù)據(jù)關聯(lián)問題，分為背景的復雜性、多目標比例　變化、目標顏色與背景顏色的相似程度、背景的穩(wěn)定程度、多目標的交互等幾個方面。當前目標跟蹤中存在的難題主要包括以下幾個方面： 遮擋問題：遮擋是多目標跟蹤中的常見情況，目標可能被背景中的靜止物體遮擋，也可能被另外的目標遮擋，或者自遮擋，并且遮擋的程度也不同。目標被遮擋的過程一般可分為兩個階段：一是目標進入遮擋過程，這期間目標信息丟失越來越嚴重；二是目標出離遮擋過程，也即目標漸漸離開遮擋，這期間目標信息逐漸得到恢復。遮擋表現(xiàn)為目標信息的逐漸丟失，而跟蹤算法的關鍵就是搜索到足夠多的目標信息，判定目標所在，所以遮擋給加強目標跟蹤的可靠性帶來很大的困難，可能導致跟蹤的不穩(wěn)定甚至丟失目標。如何有效的處理遮擋，特別是嚴重的遮擋，一直是多目標跟蹤中的一個難點，目前多數(shù)系統(tǒng)都不能處理較嚴重的遮擋問題，也不能提供標準來判斷何時停止和何時重新開始跟蹤，且在目標丟失情況下沒有相應的重新獲取目標的引導方法。 目標數(shù)目的隨機性：數(shù)目可變也是多目標跟蹤中常見問題。目標跟蹤的變化來自新目標的隨機出現(xiàn)、舊目標的消失以及舊目標的分裂與合并。目標總數(shù)的變化有兩種情況：一是總數(shù)的增加，包括新目標的出現(xiàn)；二是總數(shù)的減少，包括舊目標的消失和目標合并。如何準確得到當前幀的目標個數(shù)，是多目標跟蹤中的又一難點。 背景的復雜性：目標所處場景的復雜程度、穩(wěn)定程度影響著目標跟蹤的效果，背景中的干擾因素主要包括： １．光線亮度的變化，使背景顏色也發(fā)生變化； ２．背景中物體的變動，當背景中增加、移去或者移動某些景物并持續(xù)一段時間時，背景發(fā)生變化，應及時更新背景； ３．背景中存在與目標特征類似的物體時，將增加目標的跟蹤難度，可能使跟蹤收斂到干擾所在位置； ４．陰影問題，陰影屬于非運動目標區(qū)域，但是與背景顏色存在差別，給運動目標檢測帶來困難。目標外觀變化和不同目標外觀的區(qū)分：目標外觀特征包括目標形狀和紋理等信息，對于非剛性目標，由于目標比例和形狀的變化以及目標運動的不確定性，導致目標信息丟失，因此很容易發(fā)生跟蹤失敗。在監(jiān)視視頻中，目標外觀往往非常相似，如何選取合適的特征以較好的區(qū)分不同目標外觀來實現(xiàn)準確的數(shù)據(jù)關聯(lián)十分重要。 浦諾維盾多目標智能追蹤系統(tǒng)完美解決上述算法，并具備最先進的算法是我們智能監(jiān)控系統(tǒng)核心所在 ＳｍａｒｔＤｅｔｅｃｔ?。裕图夹g：復雜環(huán)境運動物體檢測技術通過ＳｍａｒｔＤｅｔｅｃｔ?。裕图夹g能有效過濾復雜環(huán)境畫面中的各種運動干擾。例如雨，雪，風，晃動的大樹，落葉等。 通過ＳｍａｒｔＤｅｔｅｃｔ?。裕图夹g使上圖右邊特寫畫面一直跟隨有效目標，不會因為雪花，被風吹動的大樹，雪上人的腳印而產(chǎn)生影響而丟失目標。 ＭｕｌｔｉＴｒａｃｋ?。裕图夹g：多目標跟蹤技術源于國際領先軍事科學，同時跟蹤鎖定幾十個目標，在目標急停，急轉，與其他目標交叉，及被遮擋時，始終保持對目標的鎖定。 ＭｕｌｔｉＴｒａｃｋ?。裕图夹g能在一分鐘內(nèi)同時追蹤６０個目標。圖中綠色方框就是本系統(tǒng)同時追蹤到的目標。紅方框就是特寫目標。 ＧｅｏＦｏｃｕｓ?。裕图夹g：持續(xù)幾何聚焦技術攝像機在連續(xù)跟蹤目標時，始終聚焦于被跟蹤目標，在前景出現(xiàn)遮擋物的情況下也可以獲取目標的清晰圖像。在物體運動，急停和轉彎的情況下，也能把目標保持在特寫取景框內(nèi)。 圖中小車，只要進入已設定警戒區(qū)，系統(tǒng)就一直能把它捕捉到鏡頭正中央，直至小車駛離警戒區(qū)。 ＳｎａｐＰＴＺ　　ＴＭ技術：高速攝像機目標切換跟蹤技術使特寫畫面瞬時在目標之間切換；對高速運動的目標進行平滑跟蹤拍攝，保證目標細節(jié)不因為高速運動而模糊。 ＰｉｘＬｉｎｋ　　ＴＭ技術：保證目標出現(xiàn)在特寫畫面正中 通過先進的程序算法，使目標物體一直在特寫畫面的正中間。不會因為目標在移動，轉彎，急停的情況下偏離特定場景