电视机原理结业论文.docxVIP

电视机原理结业论文视频图像序列中姓 名： 兰 强 学 号：1015211034 院 校：信息科学与工程学院专 业：电子信息工程A班 班 级：2010级 指导老师：周凯汀老师 日 期：2013年11月19日 摘要引：运动目标检测是目标跟踪、识别,并对其行为进行描述和理解的基础,在智能监控、工业检测、医学分析、军事等领域具有广泛的应用前景和潜在的经济价值。快速精确检测运动目标成为视频信号处理、分析和理解领域的研究热点,国内外许多学者都进行了深入的研究,并提出了一些检测方法,主要可归纳为运动能量减景法、帧差法和光流法等四种。运动能量检测法适合于复杂变化的环境,消除背景中的扰动像素,突出某一方向的运动对象,但不能精确地分离出对象。减背景法和帧差法都具有实现简单、实时性高。减背景法在已知简单背景下,检测效果好,但存在背景获取困难、受光照影响严重且更新难等问题;帧差法受光照影响小,利用帧间灰度或梯度信息进行逐点比较,提取运动目标,对动背景检测效果不理想。光流法的优点在于光流不仅携带了目标的运动信息,而且携带了三维景物的结构信息,在场景信息未知情况下,能很好地检测出运动对象,检测准确度高,但光流法计算量大、实时性差。针对静止摄像机下的运动目标检测问题，提出了一种基于背景减法的运动目标检测算法，通过对一组连续视频进行处理，从中得到不含运动目标的背景图像，再利用背景差分的方法提取出运动目标，在确定比较阈值的过程中，一改以往通过实验不断调整的做法，提出了动态阈值的概念，从而增强了检测效果，提高了算法的可实施性。运动目标检测就是从图像序列中将变化区域从背景图像中分割出来，这是视频处理、理解和编码的关键。传统的运动目标检测方法主要有帧间差分法、背景差分法和光流法，就每种检测方法而言都有其自身的缺点和不足：1）光流法：光流法能够在预先不知道场景任何信息的条件下，检测出独立运动的对象，但多数光流法计算复杂耗时，难以满足实时检测的要求。2）帧间差分法：帧间差分法虽具有很强的自适应性，但对进行差分的帧的选择时机要求较高，而且有赖于运动物体的运动速度，如果运动速度较快，且选取的时间间隔过大，就会造成两帧之间无覆盖区，而无法分割出运动目标。3）背景消减法：通过高斯模型或帧间差分取均值等方法可以得到重建后的背景图像，再将当前帧图像与此背景图像相减，若差分图像中灰度值大于某阈值，则判此像素点属于运动目标区域，否则属于背景区域。阈值操作后直接给出目标的位置、形状等信息。背景消减法操作简单，检测速度快，但对光照条件变化敏感，目标阴影也常被检测为运动目标的一部分，影响检测结果的准确性。目标实时跟踪算法一直在很多计算机视觉领域里是个难题，例如在监控系统，感知用户界面，基于目标的视频压缩算法，汽车驾驶辅助系统等等尖端领域里，都是一个没有被解决的难题。传统的视觉跟踪器可以分为两大派别，一种是目标的建模以及定位，是处理目标的现状和变化一种由下至上的过程。另一种滤波和数据关联度是一个处理目标动态变化，先验学习的由上至下的过程。当噪声向量是属于高斯分布，最好的方法是用卡尔曼滤波法但是，从本论文的研究现状的讨论中，可以知道卡尔曼滤波是一种把大多数情况进行理想化的粗糙办法，实用性并不强。论文中罗列了一系列方法都是国内外目前比较先进的办法。但是这些方法，都是属于上面两大派别的其中一种，无一例外。1）Meanshift 算法是一种在一组数据的密度分布中寻找局部极值的稳定的方法。在离散的数据集上，meanshift能很快的找到数据分布最密集的点，本文介绍了Meanshift算法的性质，并且也讲述了MeanShift算法用于跟踪的方法。在分析一些传统的跟踪算法优缺点后，提出了局部的CamShift算法，后经分析得知，该算法在保证了MeanShift的快速优点的前提下，改进了该算法的多种缺点，从而能够在目标距离发生变化，室内环境光线昏暗，目标物体遭到干扰的情况下依然能够有效地追踪物体。2）CamShift算法是一种低复杂度算法，它提供了一个通用可靠的解决方案，具有独立于所代表目标的特点。但它也有一些重要的固有的缺点。首先，该算法可能会失败，跟踪多色调的目标或目标色调不能让目标单独从背景和其他目标区分。其次，camshift的主要目的是在感知用户界面进行有效的头部和脸部追踪，当目标的形状和方向的变化时，它可能失去目标时。第三，CAMSHIFT，如同均值漂移算法，只能被用来寻找本地模式。由于受到局部最大值限制，所以不跟踪小和快速移动目标（帧间位移大于物体的大小）。最后，对于一个固定摄像头监控，由于相机视图的限制，目标闭塞是一种普遍现象。当一个完全闭塞发生，系统无法跟踪目标。目录视频目标检测（1）背景差分法