运动视频场景中目标检测与跟踪技术应用研究概述.pptVIP

运动场景中目标检测与跟踪技术研究 ; 相对于静止场景，所谓运动场景中的目标检测与跟踪，是指在目标运动的同时，摄像机也由于运载平台的姿态或位置改变而发生运动，构成目标与背景共同变化下的目标检测与跟踪。 运动场景中目标检测与跟踪技术的目的在于准确地探测目标、合理地提取目标特征、精确地跟踪目标，同时要考虑算法的实时可操作性。 由于该技术在军事、交通、工业以及生物医学等领域具有广泛的应用前景，从而激发了国内外广大科研工作者的浓厚兴趣，成为计算机视觉领域的一个热点。 ;;研究现状 ;Ismail Haritaoglu, David Harwood, Larry S. Davis, “Active Outdoor Surveillance” ICIAP 1999: 1096-1099（Computer Vision Lab, Maryland University ）;VSAM;VSAM;VSAM;VSAM;　　美国康奈尔大学计算机系设计的航拍视频图像目标检测与持续跟踪系统的特色在于，能够对多运动目标实现较长时间的准确跟踪，即使在短时间内目标被遮挡或移出视场以及目标时静时动。　　该系统在运动背景估计与补偿中所涉及的主要技术是基于Kanade-Lucas-Tomasi算法的特征点跟踪和基于M估计的鲁棒性仿射参数估计。然后利用三帧差减的方法检测目标运动，利用形态学操作分割图像并定位运动目标。对多目标进行标记之后，利用Hausdorff距离匹配和模板更新的方法对目标进行长时间的跟踪。;COCOA;COCOA;COCOA; 归纳起来，运动场景中目标检测与跟踪技术主要包括以下三个关键技术： 背景补偿与图像预处理：消除背景运动、随机噪声对目标检测与跟踪的影响。 图像分割与目标检测：利用图像分割技术从图像中检测出可能的运动目标。 特征提取和目标跟踪：对检测出的目标提取可识别的特征，依据这些特征在后续的视频图像序列中对目标进行跟踪。;　针对视频图像目标检测与跟踪技术，根据三维场景中目标距离成像传感器的探测距离，可划分为三种情况： 　①微弱点状目标的检测，即当目标距离成像传感器很远时，目标在图像平面上只占几个像素，呈现为微弱点状目标，信噪比较低； 　②扩展目标的检测，即当目标距离成像传感器较近时，目标在图像平面上表现为扩展目标，一般其为在视场中覆盖100×100像素以上，占视场比例较大的大型目标； 　③介于上述两种情况之间，此时目标在图像平面上一般不超过100×100个像素，具有一定的可视对比度。 　这三种情况下的目标检测与跟踪各有其特点，处理方法差异很大。本文的研究工作属于第三种情况，它是应用最广泛的一种情况，对于它的研究具有重要的意义。;背景运动补偿技术 ;背景运动补偿技术－仿射模型;背景运动补偿技术－运动矢量估计;背景运动补偿技术－特征点的选择;背景运动补偿技术－特征点的选择－Moravec算法;背景运动补偿技术－特征点的选择－Moravec算法;背景运动补偿技术－特征点的选择－Moravec算法;背景运动补偿技术－特征点的选择－Harris算法;C. Harris, M. Stephens, “A Combined Corner and Edge Detector” Proc. Alvey Vision Conf., Univ. Manchester, pp. 147-151, 1988;背景运动补偿技术－特征点的选择－SUSAN;背景运动补偿技术－特征点的选择－SUSAN;背景运动补偿技术－特征点的选择－MIC 算法;背景运动补偿技术－特征点的选择－MIC 算法;背景运动补偿技术－特征点的选择－MIC 算法;背景运动补偿技术－特征点的选择－MIC 算法;背景运动补偿技术－特征点的选择－改进的MIC 算法;背景运动补偿技术－特征点的选择－改进的MIC 算法;背景运动补偿技术－特征点的选择－改进的MIC 算法;线性插值MIC;线性插值MIC（加椒盐噪声）;背景运动补偿技术－特征点匹配;背景运动补偿技术－特征点匹配准则;背景运动补偿技术－搜索策略;背景运动补偿技术－搜索策略;背景运动补偿技术－搜索策略;背景运动补偿技术－搜索策略;背景运动补偿技术－搜索策略;背景运动补偿技术－搜索策略;背景运动补偿技术－搜索策略;背景运动补偿技术－搜索策略;背景运动补偿技术－全局运动参数的鲁棒估计;背景运动补偿技术－全局运动参数的鲁棒估计;背景运动补偿技术－M估计;背景运动补偿技术－ M估计;LS M-estimator (IRLS) M-estimator (Cauchy) M-estimator (Huber);背景运动补偿技术－最小平方中值（LMS）;背景运动补偿技术－最小平方中值（LMS）;背景运动补偿