近年来，随着网络和数字广播传输信道的增加，在海量信息中实现视频内容的分析与检索是计算机视觉领域的研究热点。在视频图像处理中图像序列运动目标跟踪技术得了到广泛的研究和应用，尤其在视频监控、视频编码、智能机器、图像恢复等领域都具有广泛的应用前景。许多研究者对运动目标跟踪问题进行了深入研究，提出了基于目标特征的跟踪、基于模型匹配的跟踪以及基于目标轮廓的跟踪等方法[1]。目标特征的跟踪技术需要解决复杂场景下多特征跟踪算法的适应性问题及实现有效特征的提取的连续性，基于模型匹配需要准确建立视频前后帧之间运动对象的对应匹配关系，同时对跟踪分割的精度有较高的要求[2]。对于这两种目标跟踪方法，基于轮廓的方法可单纯利用人物轮廓实现视频中人物领域的抽取与追踪，简化其余特征计算数量及匹配难度，可实现视频中多人物的连续跟踪[3]。

基于轮廓模型的目标跟踪算法中参数活动轮廓模型和非参数活动轮廓模型是图像处理中最具代表的算法[4]。参数化轮廓使用离散的点表示目标的轮廓，采用目标的边缘作为跟踪的特征,该方法计算效率高,实现手段灵活,但难以克服跟踪过程中轮廓线拓扑结构改变的情况,不利于高维拓展和多目标跟踪[5]。非参数轮廓模型通常将轮廓表示为区域的边界，其优点是对轮廓的拓扑形状的改变容易控制，但是计算相对复杂[6]，并且现存算法大多是以摄像头固定、背景图像无变动、背景相对简单为前提条件，较难应用于动态实时监控系统[7]。
本文提出基于人物头部轮廓的形变轮廓模型追踪视频图像中人物领域，研究基于形变轮廓模型算法，实现摄像头转动或背景变动，且在背景较复杂的情况下，实现视频图像中移动人物的检测与追踪。
1 轮廓特征提取
检测的对象图像背景复杂时，图像分割后具有较高的边缘特征，为降低移动轮廓模型线分割的难度，采用分水岭算法、中值滤波及颜色相近区域统合作为图像分割的前期处理。
本文在视频图像中人脸检测研究的基础上展开进一步研究，故在视频图像第一帧的人物头部处设定控制点后,基于B-Spline函数生成头部轮廓模型，利用人物头部轮廓信息建立人物领域轮廓概要模型，基于高斯函数的卷积运算生成人物领域的对象模板[8]。即基于人脸检测的结果设定控制点，生成人物领域轮廓概要模型，完成视频图像中人物领域的抽取。

本论提出了在背景相对复杂的人物领域检测算法，拓宽了检测系统的使用范围，提高了检测系统在实际应用中的可靠性。提出基于高斯函数处理轮廓概要模型生成具有鲁棒性的对象模板，使得人物领域判断具有高度柔韧性。基于Condensation预测及分析人物头部轮廓模型的位移和扩散，提出基于当前处理结果更新人物轮廓模型，进一步提高了检测精度。
参考文献
[1] 罗嘉, 韦志辉. 基于几何活动轮廓模型的目标跟踪与快 速运动估计[J]. 中国图像图形学报, 2009,14(7): 1361-1368.
[2] MAKOTO M, MASAHIDE Y, KATSUHIKO S. Extraction of human face and transformable region by facial expression based on extended labeled graph matching[J]. Electronics and Communications in Japan, 2013,87(10):35-43.
[3] 高颂,李富栋. 图像边缘提取的区域联合分割与主动轮廓模型[J]. 激光与红外, 2013,43(1):94-97.
[4] 乔磊, 李存华, 仲兆满,等. 基于规则的人物信息抽取算法的研究[J]. 南京师范大学学报（自然科学版）, 2012,35(4):134-139.
[5] 潘改, 高立群, 赵爽. 基于局部熵的主动轮廓模型[J].中国图象图形学报, 2013,18(1):78-85.
[6] 顾裕丰,刘国栋.一种复杂场景下的运动目标跟踪算法[J].电子技术应用[J]. 2012,38(1):122-124, 127.
[7] 朱洪锦，范洪辉，陈兴瑞，等. 基于局部自我相关函数光线照明变化下的人脸检测[J]. 山东大学学报:工学版,2012,42(5):36-40.
[8] 李昌盛，王亚娟，黄启俊，等. 基于FPGA的人脸检测系统设计[J]. 电子技术应用, 2011,37(10):13-16.