视频检测和跟踪.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
视频检测和跟踪

视频检测和跟踪 检测方法 根据最近看过的论文,看过的视频检测的方法大致有以下几种:光流法,帧差分,背景差分,边缘检测,运动矢量检测。 光流法 是一种以灰度梯度基本不变或亮度恒定的约束假设为基础。光流法是关于视域内的物体运动检测的概念,用来描述相对于观察者发生运动的目标表面或者边缘。光流是指图像中灰度模式运动的速度,它是景物中可见的三维速度矢量在成像平面上的投影,表示了景物表面点在图像中位置的瞬时变化,一般情况下,可以认为光流和运动场没有太大区别,因此就可以根据图像运动来估计相对运动。光流法实际是通过检测图像像素点的强度随时间的的变化,从而推导出目标的移动方向和运动速度。 基本思想: 然后将上述式子进行Taylor展开,整理有 其中 , , 是光流,也即是图像中像素点的移动方向向量。约束方程如下所示: 计算方法: 光流法的计算有很多种,看过的大致有:基于特征匹配、基于区域匹配、基于能量(基于频域)、基于梯度、基于阶段的匹配等等 优缺点: 优点:光流不仅携带了运动目标的运动信息,而且还携带了有关景物三维结构的丰富信息,它能够检测独立运动的对象,不需要预先知道场景的任何信息,并且能够适用于静止背景和运动背景两种环境。 缺点:当目标与背景图像的对比度太小,或图像存在噪音时,单纯地从图像灰度强度出发来探测目标的光流场方法将会导致很高的虚警率。且计算复杂耗时,需要特殊的硬件支持。 帧差法 在图像序列中的一定时间间隔的相邻帧采用基于像素点的差分, 然后阈值化来提取出运动区域。帧序列中的场景变换不大,像素亮度变换不大,没有目标的时候,帧差分不大,反之,则很大,根据差分结果与阈值比较,来确定运动目标的存在与否。 约束方程: 优缺点: 优点:对背景或者光线的缓慢变化不太敏感,具有较强的适应性,能够快速有效地从背景中检测出运动目标。 缺点:它不能完全提取运动目标所有相关像素点,在运动实体内部不容易产生空洞现象。而且在运动方向上被拉伸,包含了当前帧中由于运动引起的背景显露部分,这样提取的目标信息并不准确。 背景差分 将当前帧与背景帧相减,差分结果与阈值比较,若差值大于T则认为是前景点(目标);反之,认为是背景点,从而完整的分割出目标物体。 约束方程: 背景模型的建立: 根据看过的文章,背景模型的建立有直接法、直方图、平均值、中值法、单高斯、混合高斯、Kalman滤波、基于核函数、HMM、W4、meanshift、camshift、基于码本的方法。 直接法 在背景建模时,直接用图像序列中的第一帧作为整个模型的背景。 直方图 统计连续n帧的同一像素点的灰度直方图,出现次数最多的灰度值被认为是该像素点的背景值。 平均值 将视频图像序列中的不同图片中的同一个像素点的灰度值储存起来,最后将所有的灰度值求和取平均,然后将这个平均作为背景模型中这个像素点的背景值。 中值法 将视频图像序列中的不同图片中的同一个像素点的灰度值储存起来,最后将所有的灰度值求其中值,然后将这个像素点的灰度中值作为背景模型中这个像素点的背景值。 单高斯 在实际应用场景中,光照等服从高斯分布,视频图像序列中的像素点服从高斯分布,也即正态分布,,并且这些像素点都是独立同分布的。 缺点是:对光照强度的拜年话比较敏感,回导致模型不成立(均值和方差都会变)。在场景中有运动目标的时,因为只有一个模型,不能将其与静止的背景的分离开,有可能造成较大的虚警率。 混合高斯 实际应用场景中,有可能场景太复杂,背景也在运动的时候,用一个高斯分布不能完全的描述整个场景中动态目标的变化。更有鲁棒性的是,用多个高斯分布组合来描述整个背景模型,给予每个高斯模型一个权重,在进行更新的时候,将权重最小的高斯模型换成新的模型。根据组合中的每一个高斯分布的持续性和变化性,来决定哪一个高斯分布最接近于背景分布,把不符合背景分布的像素点认为是前景像素点。 检测公式 Ⅵ、Wo为常数。 Kalman Kalman滤波是一种线性最小方差估计,使用状态空间的方法在时域内设计滤波器,适用于多维随机过程(平稳的、非平稳的)进行估计,具有递推性,便于在计算机上实现。Kalman滤波的一个典型实例是从一组有限的,对物体位置的,包含噪声的观察序列预测出物体的坐标位置及速度,利用原始位置,t-1时刻的预测值,当前时刻的观察值,这3个量得出观测后对应变量的最优估计值,来预测目标的位置。 背景更新公式: 其中, 基于核函数 该方法不需要事先假定背景模型函数,也不用估计模型参数和对参数进行优化,对候选目标的特征描述用当前帧数据中估计出来的概率密

文档评论(0)

kakaxi + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档