目标跟踪分析.ppt

楼宇自动化 电气工程学院 Building Automation 张旭光 视频中的目标检测与跟踪技术 目标跟踪 目标跟踪是基于对图像序列的研究，力图从复杂的背景中检测甚至辨认出运动目标，并且对目标运动的规律加以预测，实现对指定的目标进行准确且连续的跟踪。 目标跟踪 应用领域:安防监控,交通管理,体育分析, 军事识别，人机交互….. 目标跟踪 应用领域:安防监控,交通管理,体育分析, 军事识别，人机交互….. 目标跟踪 应用领域:安防监控,交通管理,体育分析, 军事识别，人机交互….. 目标跟踪 应用领域:安防监控,交通管理,体育分析, 军事识别，人机交互….. 目标跟踪 应用领域:安防监控,交通管理,体育分析, 军事识别，人机交互….. 目标检测方法的基本概念与原理 目标检测的分类： 目标检测从目标特性角度分为单幅静止图像检测和运动目标检测；运动目标检测又分为静止背景下的运动目标检测和运动背景下的运动目标检测。 静止目标检测通常是利用单帧图像信息，对于大目标，可以利用图像分割或特征匹配等方法提取出目标，但对于低对比度、低信噪比的小目标，利用单帧信息很难检测出有效目标 运动目标可以利用图像的运动序列信息，与单幅图像不同，连续采集的图像序列能反映场景中目标的运动和场景的变化情况，更有利于小目标的探测。 帧间差分法 这种方法就是将前后两帧图像对应像素点的灰度值相减，在环境亮度变化不大的情况下，如果对应像素灰度相差很小，可以认为此处景物是静止的，如果图像区域某处的灰度变化很大，可以认为这是由于图像中运动物体引起的，将这些区域标记下来，利用这些标记的像素区域，就可以求出运动目标在图像中的位置。第 帧 与第 帧 之间的变化可用一个二值差分图像 来表示： 帧间差分算法的优缺点： 优点： 对动态背景适应快 计算速度快 占用系统资源少 特别适用于噪声较少的红外视频 缺点： 对噪声较大的可见光视频效果不理想 该算法假定目标是不断运动的。如果物体静止一段时间，那么该算法将检测不到目标 如果背景的某一部分移动，那么将会在检测结果中出现“空洞” 该算法一般检测不到移动目标的全部 静止背景下运动目标的检测实验结果： （a）第1帧图像 （b）第2帧图像 （c）变化区域图像 （d）提取出的背景图像 （e）变化区域与背景差分图像 （f）运动目标检测结果 特征匹配： 1.特征：灰度，颜色，直方图，形状2.相似度测量 3.定位 分片匹配 * *