运动目标检测和跟踪.pptVIP

帧间差法 背景估计法 背景估计法适用于背景静止情况下的视频分割，其主要基于以下两个假设： 假设1：在背景静止的情况下，若外界光照条件不变，且在不考虑噪声的情况下，视频序列图像中的背景保持不变。 假设2：在目标可视的情况下，目标与背景的灰度之间存在着一定的对比度。 根据假设1，在静态场景的条件下视频序列图像中不包含目标的完整背景在每一帧都相同，由于运动目标会遮挡住一部分背景，所以每一帧中的背景并不等于完整背景，关键技术就是根据一定的准则从连续k帧图像中估计出该视频序列图像的完整背景。 根据假设2，运动目标与背景之间的灰度存在着一定的对比度，因此在不考虑噪声的情况下，在差分图像中属于背景区域的像素的灰度值为零，从而检测出了运动目标。 第一步：设置初始值 设置初始状态 x0,P0,Q0和R1的初始值 第二步：预测下一时刻目标的位置 这里运用式(5)和式(6),根据扩展的卡尔曼滤波器,预测目标在下一时刻可能出现的位置: 第三步：目标匹配搜索 使用基于像素点的亮度差的和作为匹配距离准则： 第四步：卡尔曼滤波器参数的修正 主要根据每帧得到的测量值修正目标的参数,使用IRR(无限冲击响应)滤波器完成对v⌒k,a⌒k和Δvk,Δak的修正,其公式为: 2.基于特征光流法的跟踪方法 结 语 图像中的运动目标检测与跟踪是数字图像处理与识别以及计算机视觉领域研究的主要内容之一,在机器人导航、智能视觉监控系统、医学图像分析、工业检测以及视频图像分析等领域中都有应用。 Thanks for your attention！ 求职应注意的礼仪 求职时最礼貌的修饰是淡妆 面试时最关键的神情是郑重 无论站还是坐，不能摇动和抖动 对话时目光不能游弋不定 要控制小动作 不要为掩饰紧张情绪而散淡 最优雅的礼仪修养是体现自然 以一种修养面对两种结果 必须首先学会面对的一种结果----被拒绝 仍然感谢这次机会，因为被拒绝是面试后的两种结果之一。 被拒绝是招聘单位对我们综合考虑的结果，因为我们最关心的是自己什么地方与用人要求不一致，而不仅仅是面试中的表现。 不要欺骗自己，说“我本来就不想去”等等。 认真考虑是否有必要再做努力。 必须学会欣然面对的一种结果----被接纳 以具体的形式感谢招聘单位的接纳，如邮件、短信 考虑怎样使自己的知识能力更适应工作需要 把走进工作岗位当作职业生涯的重要的第一步，认真思考如何为以后的发展开好头。 Thank you 式中:a,γ为一常数,0≤a,γ≤1。 两种跟踪方法的比较 由于卡尔曼滤波 是基于高斯分布 的状态预测方法, 不能有效地处理 多峰模式的分布 情况 对目标在帧间的 运动的限制较小, 可以处理大的帧 间位移;对噪声的 敏感性降低;只处 理图像中很少数 的特征点,计算量 较小 得到的是稀疏光 流场,导致难于提 取运动目标的精 确形状;特征匹配 问题尚未得到较 好的解决。 优点 缺点 基于卡尔曼滤波 基于特征光流法 硬件设施要求较 高,能在环境较差 情况下跟踪目标 可以处理目标重 叠及目标失锁等 异常情况 适用范围 用于预测目标起 始中心,在周围环 境存在干扰时容 易丢失目标 计算量小,存储量 小,目标搜索区域 小,实时性高。 * 几乎所有的检测算法均需要通过衡量当前图像与历史图像间的差异来判断是否有运动，大多数视觉特征都是受到光照变化的影响。 * 1.估计出的完整背景同样适用于视频序列图像以后的各帧。 2.以上分析是建立在不存在噪声的假设条件下，实际成像过程中由于不可避免地存在着噪声，所以如何消除噪声的影响是基于背景估计法视频运动目标检测算法的另一关键技术。 1.相邻两帧之间图像信号的变化信息，如果每帧之间无任何变化，则表明序列图像中没有物体的运动。 2.实际成像过程中由于噪声的存在且相邻两帧视频图像在成像过程中的噪声不同，使得相邻两帧之间的差分图像中除了运动变化区域外还存在着噪声区域。 3.提出一种方法，对经过全局运动补偿后的视频序列图像相邻两帧进行差分运算，然后再在差分图像中对噪声区域和运动变化区域进行划分从而检测出运动变化区域，最后在运动变化区域中根据视频运动目标的其他特征依据一定的算法分割出视频运动目标。 4.知道粗略位置后，“均值滤波去噪”、“模版卷积法去噪” 对K+l 帧位于初略位置附近的区域进行处理，以确定运动目标。 1.假设运动目标在序列首帧中的大概位置已经通过人工锁定或某种检测技术确定出来,所以跟踪中只处理目标及其附近部分的区域而非整幅。 2.首先,从首帧中提取角点,得到角点链。对于以后各帧,不再提取角点,而是利用加权模板相关匹配算法求得上一帧中角点的匹配点,这样在得到本帧角点的同时,也得到了连续两帧图像间的特征光流和光流链;然后由“粗”