第九章目标检测与跟踪_1祥解.pptVIP

目标检测、跟踪与识别中的难点问题： 自适应跟踪波门的跟踪效果 多目标跟踪的实验结果 目标 1 和 3 在第三列所示的图像中发生合并，并将它们作为一个整体跟踪。 目标 1 和 3在第四列发生了分裂 。 第五列目标 1 和目标 2 由于具有共同的运动趋势而合并。 第六列则是经过时间 T 后，仍保持合并状态的两个目标被最终合并，变为一个新的目标，保持整体跟踪。 目标 4 则由于走出场景而消失。 利用颜色特征提取来克服遮挡的实验 基于特征匹配的传统跟踪方法的跟踪结果 缺点： (1)目标发生遮挡时，基于特征的方法只能将两个目标看作一个整体来保持跟踪，在遮挡结束时再采用模板匹配等方法，重新恢复目标在遮挡前的标记。 (2)无法确认两个目标在遮挡时的具体情况。同时如果目标合并的时间过长，目标特征与合并前相比较发生显著变化，则可能无法正确的恢复目标在遮挡前的标记。 (a)目标发生相互遮挡时的运动区域 (b) 当前区域的主要颜色块 (c) 目标颜色块的匹配结果 (d) 遮挡时目标的跟踪结果 应用颜色信息解决目标发生遮挡时的跟踪问题 轿车被树遮挡的跟踪结果 轿车被运动卡车遮挡的跟踪结果 结论：无论是运动物体间的遮挡，还是目标被静止物体遮挡，算法都能比较准确的检测出；同时使整个运动日标检测方法具有了更好的自适应性，跟踪也更加稳定。 静物遮挡与运动遮挡时的目标跟踪实例 * * * * * * * * * * * * 目标与背景的关系是相对的，感兴趣的看成是目标，其它的就为背景。 * * 在日本，机器人早已成为流水线上的一员，在国内还刚刚起步。具有广阔的应用前景。 * 在战场，或无人区或毒气区等人员无法靠近的地方，应用这种无人驾驶的小车进行侦察、搜索、探路、或排除险情、实施攻击等。多辆小车之间可以进行数据通讯、数据融合、或者接受远程控制命令，与其他系统协同作战。日本大地震时，这种无人小车深入到核辐射较强的电站内部查看泄露情况。 * * 添加一幅含有噪声和目标以及复杂背景的图片，以示例形式说明目标检测的基本思想。 * * * * * * * 点、线等几何形状特征 不变矩特征 边缘特征 幅度、直方图、频率系数 基于相似性判据最优化的方法 基于核密度估计的mean shift方法 基于局部不变特征的匹配方法（SIFT、SURF等） 基于神经网络的方法 什么是图像匹配？ 图像匹配，也叫图像配准，是图像处理的基本任务之一，用于将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行匹配，在军事、遥感、医学、计算机视觉等领域有广泛的应用。 图像配准技术可分为手工配准和自动配准两种方式，而自动配准是在整个配准过程中不需要人干预的一种配准技术，它也是图像配准技术的最终发展目标。 在配准窗口范围内，同一目标的两幅图像完全相同，完成图像配准并不困难。 实际中，同一目标的两幅图像常常是在不同条件下获得的（如不同的成像时间、不同的成像位置，甚至不同的成像系统等），再加上各种噪声的影响，使同一目标的两幅图像不可能完全相同，只能做到某种程度的相似，因此图像配准是一个相当复杂的技术过程。 (a)原始的可见光图像 (b)原始的红外图像 对同一目标不同传感器的成像效果 图像配准中常见的几何变换形式 图像平移、旋转、缩放的的配准 带有仿射变换的图像配准 可见光图像与红外图像的异类图像配准 多视角图像的配准 配准过程中要注意的关键点： 特征空间的选择 对于配准图像有许多特征可供选择，例如：图像本身的灰度、边缘、曲线、角点、直线交点、高曲率点，也可以是不变矩、重心等。 相似性测度的选择 相似性测度的选择是图像配准中最重要的步骤之一，它决定如何确定匹配位置，其配准的程度最后转化为匹配或不匹配。 搜索空间与策略的选择 搜索空间通常是要找到配准的最佳位置的位置集，很多情况下，减少测量的数量很重要，误匹配位置越多，计算量就越大，问题越严重。可以利用一些可得到的信息去掉不可能匹配的搜索子空间，从而减少计算量。 配准的方法： 图像配准的一般做法是，首先在参考图上选取以某一目标点为中心的图像子块，并称它为图像配准的目标窗口，然后让目标窗口在待配准图上有秩序地移动，每移到一个位置，就把目标窗口与待配准图的对应部分进行相关比较，直到找到配准位置为止。 N M M X N X 原始图像(第0帧) 第10帧跟踪结果 第20帧跟踪结果 归一化直接互相关匹配结