CV07二维运动调研报告.pptVIP

第七章 二维运动分析;运动现象及应用;根据摄像机和场景是否运动将运动划分为四种模式： 1）摄像机静止，单个目标运动，背景不变。 主要用于预警、监视、目标跟踪等场合。 2）摄像机静止，多个目标运动，背景不变。 主要用于视频监控分析、基于多摄像机的三维重建等。 3）摄像机运动，场景不变。 主要用于移动机器人视觉导航、目标自动锁定与识别等。 4）摄像机运动，多个目标运动。 主要用于移动机器人及多目标跟踪等方面。;图像相减;累计差分图像;累计差分图像;;优点和用途： 实现简单 最有效的应用是对图像进行全局粗略处理，以便将解释的注意力引向场景中出现“活动”的区域。 场景中事件的粗略信息也可由差分图像中的某些特征来提取。 缺点： 差分图像极易受噪声污染;时变边缘检测;时变边缘检测;计算运动向量;运动场(motion field) 三维空间中点的运动，投影到图像中对应一个二维向量。由这些二维向量构成的二维阵列称为图像运动场。 运动向量(motion vector) 三维空间中点的运动投影到图像空间所对应的位移。 对应同一个三维运动点，在t时刻的图像点到（t+△）时刻的图像点之间，形成运动向量，或者说运动向量与t时刻的瞬时速度估计值对应。 ;计算运动向量约束条件 1）估计三维点P在(t1, t2)期间的运动特性时，假设该点及其周围的亮度基本保持不变； 2）假设在(t1, t2) 期间，图像上物体边缘处的亮度差别基本保持不变。 ;;兴趣算子;二个对应点成为共轭对。有三个性质： 1）离散性：各点之间明显区别的测度。 2）相似性：两个点之间相似性程度的测度。 3）一致性：一个匹配点与邻近匹配点一致程度的测度。;纹理兴趣算子;将图像帧划分为块 对于当前帧中的图像块，搜索其在下一帧中的对应块 计算对应块位移矢量;纹理兴趣算子;纹理兴趣算子;MPEG视频压缩;Decathlete 游戏;光流;; 忽略高阶项h.o.t，只考虑线性项，两边除以△t，并取△t -0，得到;光流;利用传播约束求解;摄像机固定的情形 ;;;Horn-Schunck方法;Horn-Schunck方法;计算运动点路径;算法基本思想 首先计算单条路径的光滑度；然后计算几条路径的总光滑度，最后通过贪婪交互算法（greedy exchange algorithm）在每个时刻对路径进行最优的赋值匹配，用迭代的方法把路径m从t1时刻延伸到t2时刻。 轨迹 如果在时刻t=1, 2, …, n, 目标i在摄像机的视野范围内，则目标i的图像点序列Ti=(pi,1, pi,2, …, pi,n)就被称为i的轨迹。 轨迹上任意两点之间的差分向量定义为： ;光滑度 可以根据接近或离开轨迹上点pi,t的向量差分，来定义该点的光滑值。方向的光滑性通过向量的点积来度量，速度大小的光滑性通过向量幅度的几何平均值与平均幅度之比来度量。;总光滑度 假设m个独立的点是从n帧图像中每一帧中抽取出来的，在第一帧上的点标记为i=1, 2, …, m。将总光滑度定义为所有m条路径上所有内部点的光滑度之和。;计算运动点路径;贪婪交换算法：输入各时刻的二维点集，计算光滑路径 P[i,t]保存帧序列t=1,2,…,n上的二维点，点的标号为i=1, 2, …, m. T[i,t],输出轨迹集合，m行n列。 T[i,t]=k的意思是，目标i被看作是第t帧中的第k个点。 1.初始化：通过最近连接建立m条完全路径。 (a)第一帧：对所有i，设置目标标号T[i,1]=i; (b)其它帧：对于t=2,3,…,n，使T[i,t]=k,其中点P[k,t]是离点P[T[i,t-1],t-1]最???的点，该点还没有赋值。 ; 2.交换循环：for t:=2 to n-1 (a)对j≠k的所有点对(j,k)，计算由于T[j,t]与T[k,t]赋值交换带来的光滑度的提高量； (b)进行交换，使光滑度最大程度提高。如果总的光滑度不提高，则不交换； (c)如果做了交换则置换标志。 3.终止测试：如果上述循环中进行了交换，则清零交换标志，重复交互循环。;场景变化(scene change)指环境的变化。 镜头切换(shot change)是在同一场景中，显著改变摄像机的视点。一般通过变换摄像机实现这种效果。 摄像机扫视(camera pan)摄像机水平扫视景物。 摄像机变焦(camera zoom)随时间改