机器视觉课程论文-邓军.docVIP

研 究 生 课 程 论 文 (2008-2009学年) 基于二维特征对应的运动分析 研究生：邓 军 提交日期： 2009年7月10日 研究生签名：邓军 学 号 200820112215 学 院 自动化科学与工程学院 课程编号 S0001001 课程名称 机器视觉 学位类别 硕士 任课教师 高红霞 教师评语： 成绩评定： 分 任课教师签名： 年 月 日 基于二维特征对应的运动分析 邓 军 摘要：机器视觉一个研究的重要方向就是运动分析，其中基于视频的运动分析优势一个热点问题。本文主讲了基于二维特征的运动分析历史及现状，以及基于求本质矩阵进行运动分析的原理，算法及实验过程。最后对于对于实验结果进行了分析。 关键字：机器视觉；运动分析；SVD算法；本质矩阵 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。Mean-shift Algorithm)实现了对人脸的实时跟踪，基于边缘特征的目标跟踪算法常使用Hausdorff距离检测目标模板和候选目标的边缘相似性完成对目标的跟踪，文献[1]提出了一种目标轮廓跟踪的算法—CONDESATION算法，此算法实际上是通过大量样本仿真得到一种无参统计模型，利用此模型就可以表示任意目标的概率密度分布实现跟踪；实际应用环境是复杂多变的，往往一种目标特征无法保证跟踪的有效性，所以就可以将多个目标特征结合起来联合完成对目标的有效跟踪，文献[2]提出了将目标的颜色直方图模型和密度函数梯度模型联合的方法实现对人头部的实时跟踪，文献[3]将目标的颜色特征距离和边缘特征距离以一定加权比例联合组成总的相似性测度，并使用置信区域算法(Trust Region Algorithm)优化目标跟踪算法实现了实时的目标跟踪。 2 运动跟踪的难点问题 到目前为止，运动分析研究已经取得了很大的成果，一些运动分析系统在实际应用中也取得了较好的效果，但下述几个方面仍是今后研究的难点问题： 1）运动分割(Motion Segmentation)：快速而准确地进行运动分割是个相当重要但又是比较困难的问题。这是由于动态环境中捕捉的图像受到多方面的影响。比如天气的变化、光照条件的变化、背景的混乱干扰、运动目标的影子、物体与环埃之间或者物体与物体之间的遮挡、甚至摄像机的运动等，这些都给准确有效地运叙分割带来了困难，以运动目标的影子为例，它可能与被检测的目标相连，也可能与目标分离。在前者情况下，影子扭曲了目标的形状，从而使得以后基于形状的识别。方法不再可靠；在后者情况下，影子有可能被误认为是场景中一个完全错误的目标。所以在图像的运动分割中如何建立对于任何复杂环境的动态变化均具有自适应性的背景模型仍是相当困难的问题。 2）遮挡处理(Occlusion Handling)：目前，大部分运动分析系统都不能很好地解决目标之间互遮挡和人体自遮挡问题，尤其是在拥挤状态，多人的检测和跟踪问题更是难于处理。遮挡时，人体只有部分是可见的，而且这个过程一般是不可训练的，简单依赖于背景减除进行运动分割的技术此时将不再可靠，为了减少遮挡或深度所带来的歧义性问题，必须开发更好的模型来处理遮挡时特征与身体各部分之间的准确对应问题。另外，一般系统也不能完成何时停止和重新开始身体部分的跟踪，即遮挡前后的跟踪初始化缺少自主方法。目前有人利用统计方法可获得的图像信息中进行人体姿势、位置等的预测，不过，对于解决遮挡问题最有实际意义的潜在方法应该是基于多摄像机的跟踪系统。 对于运动目标的检测与跟踪算法可以从三个方面进行评价：①算法精确度：在尽可能减少人工参与的情况下，算法应该具有较低的漏检率和误检率，并且能够得到运动目标的精确边界。②计算复杂度：在一定的质量条件下，算法的复杂度尽可能小。③算法通用度：算法对目标先验知识(颜色、形状、运动和类型等)的依赖程度尽可能低。事实上，任何算法都要在精确度，复杂度以及通用性等方面进行折中考虑，对于不同的应用环境、图像类型和性能要求，都有各自不同跟踪方法，而不同的跟踪算法往往是针对不同的目标特征描述来设计的。 3 视觉分类按照摄像机是否运动 根据摄像机是否运动可以将人体跟踪问题分为摄像机静止时的目标跟踪和摄像机运动时的目标跟踪。对于大多数的视频监视系统都是采用摄像机静止的方法[45]。在这种情况下，背景是静止的