随着时代的不断发展，科技不断进步，人们的生活也越来越便捷化，智能化，汽车也逐渐成为了人们生活的必需品，数量不断增加，种类也越来越多，而城市的空间有限，车辆也带来拥堵问题甚至交通事故等一系列问题。因此，为解决这类问题，对车辆进行随时跟踪及轨迹预测便成为必要。在当今信息时代，计算机技术和图像处理技术的发展，使通过航拍图像对车辆的跟踪成为可能。

对于一辆正在行驶的汽车来说，航拍的图像中汽车都是静止的，只能确定它在过去时间的具体空间位置，而当我们所获得的信息只有这些图像时，我们应该能根据数字图像处理技术和计算机视觉运用，在不同标准下自动检测感兴趣的特征来提取几幅连续图像，并根据KAZE算法利用提取出来的图像特征和数据，跟踪出汽车在下一刻会出现的位置。对于解决预测或跟踪车辆的信息有很大帮助。

虽然sift,surf等特征在图像特征提取方面已经取得比较好的成绩，但是这类特征都是基于一个通过高斯核进行的线性的尺度空间进行特征检测的，相同尺度下每个点的变换是一样的，由于高斯函数是低通滤波函数，会平滑图像边缘，以至图像损失掉许多细节信息。针对这一问题，KAZE是一种基于非线性尺度空间的特征点检测方法，该非线性尺度空间保证了图像边缘在尺度变化中信息损失量非常少，从而极大地保持了图像细节信息。在2012年，ECCV会议中出现了一种比SIFT更稳定的特征检测算法。KAZE的取名是为了纪念尺度空间分析的开创者—日本学者Iijima。KAZE在日语中是‘风’的谐音，寓意是就像风的形成是空气在空间中非线性的流动过程一样，KAZE特征检测是在图像域中进行非线性扩散处理的过程。

2. 研究的基本内容与方案

1基本内容

了解基于图像处理和计算机视觉技术的发展、现状、基础理论；熟悉KAZE等图像特征的原理，以及相关目标跟踪方法的原理、算法和实现；掌握主流图像处理和计算机视觉开发工具和编程语言。通过设计、实现、评估的完整实践流程，学习并实现通过航拍图像对车辆进行跟踪的方法。

2研究目标

本次的研究目标主要是能通过航拍图像，能够预测出图像中物体下个图像或时刻会出现的位置，由于航拍图像里的内容十分复杂，且要提取特征的物体不一定位于航拍图像的正中心，这都会对我们要完成的研究目标造成困难，我们希望关键点数量以及图像匹配度都达到一定要求，否则就要进行错误查找，改进方案。

3技术方案及措施

本文使用的算法为KAZE算法，首先提取我们所需要的图像特征与信息，利用MATLAB自带的KAZE算法在下一幅图像里利用这些图像特征与信息进行匹配，来跟踪我们所需要找到的信息，实现跟踪。MATLAB主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，MATLAB自产生之日起就具有方便的数据可视化功能，以将向量和矩阵用图形表现出来，并且可以对图形进行标注和打印。