目標跟蹤是計算機視覺領域的一個熱門課題。雖然研究者提出了很多不同的算法，但是這些算法都依賴于傳統(tǒng)的圖像采集系統(tǒng)，即CCD相機成像原理生成的圖像。圖像各個像素在成像平面中具有相同的分辨率，從仿真學的角度看，這些像素具有相同的敏感度。因此，造成了跟蹤與識別的一個難點，即必須首先確定圖像中目標的位置（興趣點），然后才能實現(xiàn)跟蹤。
    然而生物視覺系統(tǒng)，例如人眼成像系統(tǒng)，能夠捕捉到感興趣目標并對該區(qū)域提供較高的分辨率。而在興趣目標之外，生物視覺系統(tǒng)產(chǎn)生的圖像分辨率則會相對降低。利用對生物視覺系統(tǒng)的模擬，人造成像傳感器件也能產(chǎn)生類似的成像效果，這類器件被稱為視網(wǎng)膜凹區(qū)成像（Fovea image）器件。這類器件的優(yōu)勢是能將采集到的有用信息集中到所感興趣的目標上，而對于其他區(qū)域則減少所涵蓋的信息。這對于信息壓縮傳輸和目標的識別都能起到非常積極的作用，尤其對于運動目標識別和跟蹤，能提供有效的目標信息，同時減少噪聲的干擾。
    參考文獻[1]介紹了一種基于人眼視網(wǎng)膜中央凹區(qū)成像原理的成像芯片模型。該系統(tǒng)具有體積小、功耗低、自帶運動傳感及運動組件的優(yōu)點，通過模擬人眼跟蹤的原理能實現(xiàn)快速目標定位和平滑跟蹤。但是，該系統(tǒng)的一個主要缺點是其無法根據(jù)場景變換或者針對新目標進行有效的自動配置。因此對于在視場中出現(xiàn)的新目標，系統(tǒng)需要對芯片的邏輯元器件和外置運動部件進行重新設置。
    針對以上缺陷，參考文獻[2]提出了一種可實時編程成像跟蹤傳感器，可動態(tài)地對芯片參數(shù)進行設置。該成像傳感器能實時地將圖像分成若干不同等級分辨率的子圖像，從而使得該系統(tǒng)較常規(guī)人眼視覺系統(tǒng)模型更具靈活性。
    對于通常的目標跟蹤系統(tǒng)，一般以當前時間t的系統(tǒng)狀態(tài)來預測未來時間t+1的系統(tǒng)狀態(tài)。例如常用的卡爾曼濾波跟蹤模型，認為兩個連續(xù)狀態(tài)之間存在著線性關系。較新的模型則在卡爾曼濾波的基礎上引入了非線性關系到系統(tǒng)狀態(tài)中。例如利用隱馬爾科夫模型（HMM）的跟蹤系統(tǒng)[3]則允許觀測值與系統(tǒng)狀態(tài)之間保持任意形式的概率分布，而無需像卡爾曼濾波那樣限定為高斯模型。而基于Particle模型[4]的跟蹤系統(tǒng)則假設當前狀態(tài)是若干子狀態(tài)的組合，它們按照某個概率分布。當前狀態(tài)的具體取值決定于概率子狀態(tài)的概率分布結(jié)果，這些技術都是對原始卡爾曼濾波跟蹤算法的有效改進[5]。

2 試驗設置與結(jié)果分析
    在本實驗中，所設置的模擬目標大小S=16，仿真的視網(wǎng)膜中心凹區(qū)大小G=48。對于跟蹤系統(tǒng)的準確率，采用在仿真中央凹區(qū)中準確發(fā)現(xiàn)目標的比率計算。在圖5和圖6中，顯示了本文所采用的跟蹤算法的準確率。
　　在圖5中，分析了系統(tǒng)跟蹤精度與式(5)中添加噪聲水平之間的關系。其中虛線為任意軌跡方程所仿真的運動目標跟蹤系統(tǒng)，細實線為正弦波軌跡方程仿真的運動目標跟蹤結(jié)果，粗實線為線性軌跡方程仿真跟蹤結(jié)果?？梢园l(fā)現(xiàn)，系統(tǒng)對于線性運動目標跟蹤精度最高，而對任意軌跡運動的目標準確率則有所下降。并且整個系統(tǒng)隨著系統(tǒng)噪聲的增加，跟蹤精度會隨之下降。但是當噪聲水平達到一定高度后，無論是線性運動目標或是任意軌跡運動目標的跟蹤準確性都很低。

    圖6中，對比顯示了不同運動軌跡（零噪聲）下，中央凹區(qū)尺寸大小對于跟蹤精度的影響。從圖中曲線可以看到，線性運動目標和簡單正弦波規(guī)律運動目標，由于其運動規(guī)律較為容易預測，中央凹區(qū)大小的選擇對于跟蹤結(jié)果幾乎沒有影響。而對于復雜的任意軌跡運動目標,較大尺寸的中央凹區(qū)能明顯提高跟蹤系統(tǒng)的準確性。

    為了對比基于模擬人眼視網(wǎng)膜中央凹區(qū)跟蹤算法與常規(guī)模板匹配算法的區(qū)別，對比顯示了兩類算法的跟蹤準確率,如表1所示。分別采用兩種方法初始設置中央凹區(qū)，一種是直接將中央凹區(qū)定位在運動目標上，然后開始跟蹤；另一種是隨機給定中央凹區(qū)的位置，然后依靠系統(tǒng)自動檢測目標并實現(xiàn)跟蹤?？梢园l(fā)現(xiàn)兩種方法的跟蹤準確度基本一致，自動搜索目標的算法準確率稍有下降。而采用常規(guī)模版匹配的算法，其跟蹤準確度明顯偏低，顯示出基于視網(wǎng)膜中央凹區(qū)的算法具有較高的穩(wěn)定性和可靠性。
    針對傳統(tǒng)利用模板原理進行目標跟蹤系統(tǒng)容易受到系統(tǒng)噪聲干擾導致跟蹤精度不高的問題，本文提出了一種仿真人眼視網(wǎng)膜中央凹區(qū)進行軟件跟蹤的系統(tǒng)。由于人眼視網(wǎng)膜中央凹區(qū)模型在芯片還未得到較為廣泛的應用，因此，本文的仿真方法能對這一模型在跟蹤系統(tǒng)中的效能進行有效評估。該方法簡單有效，能很好地模擬生物視覺的成像原理，并利用該成像原理的優(yōu)勢有效的提高目標跟蹤的精確度。該方法能推廣應用到視頻監(jiān)控等系統(tǒng)中。
參考文獻
[1] CUMMINGS R E, SPIEGEL J V D, MUELLER P, et al. A foveated silicon retina for two dimensional tracking[J]. IEEE Transactions on Circuits and Systems-II: Analog and Digital Signal Processing, 2000,47(6)：1101-1107.
[2] PAIN B, Yang Guang. Real time programmable reconfigurable vision active pixel sensors[C]. NASA.2003.
[3] 劉剛，劉明，匡海鵬,等.多目標跟蹤方法綜述[J].電光與控制,2004，11(3): 432-437.
[4] 馬奔，史忠科，皮燕妮.成像目標跟蹤算法分析[J]. 西安電子科技大學學報(自然科學版)，2005,32(3):150-155.
[5] 吳曉娟,翟海亭,王 磊,等.一種改進的CAMSHIFT手勢跟蹤算法[J]. 山東大學學報, 2004,34(6):120-124.
[6] 馮馳,王萌,汲清波.粒子濾波器重采樣算法的分析與比較[J]. 系統(tǒng)仿真學報, 2009,21(4):1101-1105.
[7] 王來雄, 黃士坦. 一種新的粒子濾波算法[J]. 武漢大學學報(工學版), 2006,39(1):118-120.