目录 1
摘要 3
ABSTRACT 4
1 绪 论 4
1.1运动目标跟踪方法综述 4
1.1.1基于特征的目标跟踪方法 5
1.1.2 基于相似性度量的目标跟踪方法 5
1.1.3 基于运动的目标跟踪方法 6
1.1.4 基于频域的跟踪方法 6
1.2对目标跟踪过程中遮挡问题的分析和解决思路 6
1.3 本文的主要内容和结构安排 8
2相关知识背景介绍 9
2.1 相关跟踪原理 9
2.2 相关跟踪算法的实现 10
2.3 对相关跟踪算法的若干改进 10
2.3.1 对映射函数的改进 10
2.3.2 模板更新的策略 13
2.3.3 提高相关匹配的运算速度 13
2.4 多子模板相关算法 14
2.5 小结 14
3 无味Kalman 滤波器（UKF）在目标跟踪算法中的应用 15
3.1 标准 Kalman 滤波器 16
3.1.1 待估计的离散线性过程 17
3.1.2 滤波器原理 17
3.1.3 kalman滤波器方程 18
3.1.4 滤波器参数 20
3.2 kalman滤波器在模板更新中的应用 20
3.2.1 模板更新方法介绍 20
3.3 抗遮挡的基于无味 kalman 滤波器(UKF)的跟踪算法方案 21
3.3.1 UKF 滤波器在轨迹预测中的应用 21
3.3.2在跟踪过程中使用UKF滤波器的具体实现步骤 22
3.4 小结 24
4抗遮挡的人手跟踪软件演示系统的系统分析 24
4.1人手跟踪整体框架设计 24
4.2人手跟踪过程中关节发生遮挡以及对遮挡的处理分析 25
4.2.1可见特征点和不可见特征点 26
4.2.2  N的数学模型 27
4.2.3  判断人手可见特征点和不可见特征点算法 27
4.2.4假遮挡指根特征点的数学模型 29
4.3 小结 30
5 抗遮挡的运动目标跟踪软件演示系统的编程实现 30
5.1 跟踪系统的实验平台设计 30
5.2 Visual C++中的OpenGL编程 31
5.3 图像中手的关键点的量测值获取 32
5.4 图像中手的关键点的UKF三维坐标的预测 33
5.5 遮挡判断 34
5.6 遮挡处理 34
5.7 系统的演示 34
5.8 系统评价 37
6 总 结 37
6.1 本文所做的主要工作 37
6.2 下一步的工作方向与展望 38
致 谢 38
参考文献 39

三维运动人手跟踪过程中的遮挡问题研究
摘要
运动目标跟踪是一种能从图像信号中实时自动识别目标，提取目标的位置信息，自动跟踪目标的技术。运动目标跟踪的实质是通过对传感器拍摄到的图像序列进行分析，计算出目标在每帧图像中的位置，给出目标速度的估计。其难点在于图像是从三维空间到二维平面的投影，本身就存在信息损失，而且运动目标并不是一个确定不变的信号，而是随着跟踪过程持续地平面旋转、放缩、位移以及三维姿态改变等发生着各种复杂的变化。除此之外，图像信息往往还会受到复杂背景、大气扰动、各类噪声、遮挡、 光照变化等环境因素造成的影响。特别是遮挡问题，作为运动目标跟踪算法中的难点之一，越来越成为跟踪算法可*性和实用性的严重障碍，逐渐受到普遍关注。本文就是以运动的三维人手为例来对跟踪过程中的遮挡进行判断和处理。

关键字：遮挡；目标跟踪；图像处理；KALMAN滤波;UKF滤波；

ABSTRACT
Movable target trace system is used to automatically recognize the moving target and extract the location of the target. The essential effect is to analyse the images captured by the camera , and work out the real location of a single target in the images, then figure out the velocity of the moving target. As far as the most difficulty is concerned, we should not always consider the moving is a invariable movement; and also there is a great loss of information during the exchange of projection when a 3D object is transmitted to a 2D image. The actual process is that the trace must keep pace of the real situation which the target is setted in no matter it rotated, magnified or moved. In addition, the image’s information can be affected by the complex background, noise and lighting exchanges. Now it is being a very troublesome problem when the trace process come to a shelter of the traced object, and the shelter may ruin the whole trace process. That is why more and more people have show their most concern on the problem that how to solve the shelter problem. For this article , I take 3D hand trace system for example to describe how to recognise the shelter and how to handle the shelter problem.

Keywords: shelter; object tracing; image processing; kalman filter; ukf filter

1 绪 论
1.1运动目标跟踪方法综述
作为计算机视觉研究的核心课题之一——运动目标跟踪已经有了近 20 年的研究历史。它融合了图像处理、模式识别、人工智能、自动控制以及计算机等许多领域的先进技术，它在军事视觉制导、机器人视觉导航、安全监测、交通管理、医疗诊断以及气象分析等许多方面都有广泛的应用，该技术有着不可估量的发展前景。运动目标跟踪是一种能从图像信号中实时自动识别目标，提取目标的位置信息，自动跟踪目标的技术。运动目标跟踪的实质是通过对传感器拍摄到的图像序列进行分析，计算出目标在每帧图像中的位置，给出目标速度的估计。其难点在于图像是从三维空间到二维平面的投影，本身就存在信息损失，而且运动目标并不是一个确定不变的信号，而是随着跟踪过程持续地平面旋转、放缩、位移以及三维姿态改变等发生着各种复杂的变化。除此之外，图像信息往往还会受到复杂背景、大气扰动、各类噪声、遮挡、光照变化等环境因素造成的影响。特别是遮挡问题，作为运动目标跟踪算法中的难点之一，越来越成为跟踪算法可*性和实用性的严重障碍，逐渐受到普遍关注。运动目标跟踪问题在近年来得到了广泛关注和长足发展，下面将从方法论的角度概要性地总结一下现存的几种主要目标跟踪方法和思路。当然这里的分类并不绝对，结合几种思想于一体的目标跟踪方法也普遍存在。
1.1.1基于特征的目标跟踪方法