新·sc学年论文.docVIP

学年论文 题 目 视频序列中的运动目标提取 学生姓名 盛成 学 号 20081341071 院 系 信息与控制学院 专 业 测控技术与仪器 指导教师 陈旭 二Ｏ一一 年 十一 月 十 日 视频序列中的运动目标提取 一 研究内容 视频序列中运动目标检测与跟踪是计算机视觉研究领域的一个重要课题，在机器人导航、交通监测、医学图像处理等领域都有广泛应用。国内外学者对此进行了大量研究，提出了许多算法。 本论文研究对运动目标进行实时跟踪首先需要进行目标检测，即将运动目标从背景图像中分离出来，然后再对分割出的目标进行跟踪，并获得更多关于目标的相关信息，达到跟踪的目的。运动目标的检测与跟踪是近年来计算机视觉研究领域的重要课题，它包括从图像序列中检测、识别、跟踪目标并对其行为进行理解和描述。该项技术在智能监控、人机交互、运动分析和虚拟现实等领域都有着广泛的应用。例如，在生物力学研究中，结合机器人机构学、运动学、动力学、人体解剖学、外科学(特别是骨科) 、摄影测量学、测试技术以及计算机辅助设计等多方面的知识，根据人体运动解剖的生理特点，对人体某些部分或整体建立适当的模型，运用各种测试手段精确测量人体在运动过程中的位移、速度、加速度、相互作用力等运动特性，并以所建立的模型为基础对其进行分析和处理，最终获得有关人体运动的有用信息。因此越来越受到国内外科研人员的重视。 目标检测是计算机图像、视频处理工作的基础，广泛的应用在工业、医学、军事、教育、商业、体育等领域。根据应用范围它可分为静态目标检测与运动目标检测两类。静态目标检测多指静态图像中的目标检测，如人脸、姿态、手势、车牌、文本等内容的检测；运动目标检测多指视频或图像序列中的目标检测，如运动跟踪、交通监控、行为分析等内容的检测。所以，运动目标检测是数字图像处理技术中的一个重要组成部分，它是计算机视觉、目标识别与跟踪、运动图像编码、基于内容的检索、安全监控等视频分析领域处理应用的关键步骤。而在军事领域，它的应用更为广泛，可以应用在靶场测量、目标监视、视频压缩、车辆跟踪和航空航天等方面。运动目标检测的目的是从视频中将运动的目标从背景图像中提取出来。由于后续跟踪和识别的处理对象仅考虑其中的运动区域，因此能否准确快速地从背景中把运动目标提取出来，直接影响到后续的跟踪和识别效果。但复杂多变的场景给鲁棒性的检测提出了挑战，如外界光线，纹理改变，遮挡，影子及混乱等干扰。 二 研究现状 运动目标检测追踪是图像处理和计算机视觉学科的一个分支，在理论和实践上都有重大意义，长久以来一直被国内外学者关注。运动目标检测追踪包含观测者静止和观测者移动两种情况。在观测者静止的情况中，需要分辨出环境中的静止目标（一般作为背景）和运动目标，还要跟踪目标运动。区分静止与运动目标：主要有两种途径对序列图像前后连续两帧的研究；利用无运动目标的环境的先验知识。而在观测者移动的情况中，需要对目标与观测者间的相对运动和观测者运动的几何特性进行分析。 早期的运动目标检测算法都是基于时间域变化的检测。最初提出的是基于帧间差异的阈值算法，该算法考虑像素级的差异或者为了增强鲁棒性而考虑图像块的差异，一般适用于观测者静止的情形。若要把它推广到观测者移动的情况，则需考虑通过建立补偿序列来实现。为适应图像特征的变化，还出现了对某些参照帧使用Kalman滤波器的算法。在阈值方法的基础上，进一步假设基于时间域变化的检测与运动检测是等价的，同此可以得到统计检验算法，这种算法可以对位移量较大或投影纹理化信息比较充足的目标进行处理。另一方面，许多研究工作用“时间域变化检测模板”提高变化检测算法的效率，特别在已知运动目标大小先验信息的情况下。但是，因为受目标的大小和亮度的影响很大，且需要具备前后环境的先验知识，这种算法难以建立通用性好的模型，所以应用面较窄。后来，为了利用空间域的信息，使用了基于MAP（最大后验概率）的MRF模型来解决模型通用性的问题。N.Paragios等把在图像分割中有重要应用的活动轮廓方法、测地活动区域方法引入到这个问题上来，更好地解决了非刚性运动目标的检测追踪。从图像分割的角度，可以把运动目标检测的算法按以下方法进行分类： 首先是基于“马尔可夫随机场-最大后验估计”框架的算法。其思想是在最大后验准则下，通过使用马尔可夫随机场建立目标函数进行图像分割。它把图像分割看