物体定位与跟踪算法研究开题报告

卡尔曼滤波是一种根据时变随机信号的统计特性，对信号的未来值做出尽可能接近真值的一种估计方法。卡尔曼滤波的一个典型实例是从一组包含噪声的观察序列预测出物体的位置坐标及速度。它的广泛应用已经超过30 年，许多工程系统和嵌入式系统都需要卡尔曼滤波器最初卡尔曼滤波器是专为飞行器导航而研发的，目前已成功应用在许多领域中，比如，在雷达中，人们感兴趣的是跟踪目标，单目标的位置，速度，加速度的测量值往往在任何时候都有噪声。今年来更被应用于组合导航与动态定位，传感器数据融合，微观经济学等应用研究领域。特别是在图像处理独域如头脸识别、图像分制、图像边缘检测等当前热门研究领域占有重要地位。由于其具有实时递推、存储量小和简单易行的特点，在工程应用中受到了重视，同时卡尔曼滤波也是控制理论以及控制系统工程中的一个重要话题。

目标跟踪属于视频分析的内容，而视频分析则融合了计算机视觉研究领城的中层和高层处理阶段，即对图像序列进行处理，从业研究运动目标的规律，或者为系统的决策报警提供语义和非语义的信息，包括运动检测、目标分类、目标根性、行为理解、时间检测等。视频目标跟踪方法的研究和应用作为计算机视觉领域的一个重要分支，正日益广泛地应用到科学技术、国防建设、航空航天、医药卫生以及国民经济的各个领域。目前，目标跟踪技术已经被广泛应用于众多生活和工作领域。主要用于:电视监控，视频压缩编码，智能交通系统以及人机交互等方面。因而研究目标跟踪技术有着重大的实用价值和广阔发展前景。

(1)了解运动目标跟踪算法和卡尔曼滤波器的研究背景及其意义，查询基于卡尔曼滤波的目标跟踪算法的研究在国内外的研究现状。

(2)完成视频运动目标的检测。

(3) 学习并掌握目标跟踪算法，完成卡尔曼滤波的递归公式推导。

3. 研究方法与步骤