第五章运动目标检测讲述.ppt

演示：运动目标检测系统 演示：室内人流量统计原型系统 差分图像 2D交叉熵分割 交叉熵分割 最小分离度阈值: 基于视频分析的运动目标检测技术 阈值分割 实现了基于颜色不变特征等经典的SR算法 结合颜色不变特征、混合高斯阴影模型和边缘检测提出了一种阴影去除方法 基于视频分析的运动目标检测技术 阴影去除（SR） SR算法流程图 1. 基于颜色的阴影去除 2. 引入边缘检测 3. 轮廓提取 基于视频分析的运动目标检测技术 阴影去除（SR） 基于颜色不变特征的阴影检测 基于高斯混合阴影模型的阴影验证 基于视频分析的运动目标检测技术 阴影去除（SR）——基于颜色的阴影去除 基于视频分析的运动目标检测技术 阴影去除（SR） 基于视频分析的运动目标检测技术 边缘检测 基于视频分析的运动目标检测技术 运动目标提取 第四次上机安排：时间：12月1日（周一）8:00-11:50（1-4节）地点：计算中心T07内容：任选一种方法检测视频中的运动目标，并分析实验结果。方式：自行完成要求：上机时带上选好的有运动目标（建议单个目标，如车，行人）的视频，可带自己的电脑。 关于实验作业（40%）1）考试（暂定12月22日）前上传至ftp: 1 (只上传上机报告附源代码和注释）不要上传视频； 2）验机：机房或上课展示 关于期末考试（60%）1）考试时间地点另行通知（班长）2）考试方式：闭卷3）考试题型（填空题，简答题，计算题，分析应用题，编程题） 第三次上机安排：时间：11月24日（周一）8:00-11:50（1-4节）地点：计算中心T07内容：对第二次上机保存的关键帧先进行灰度化，然后利用阈值分割算法对其进行图像分割（至少编程实现一种算法），并分析实验结果。方式：自行完成要求：上机时带上存好的关键帧图像，可带自己的电脑。 第五章 运动目标检测技术 运动目标检测是指在视频图像序列中判断是否有前景目标的运动，如果有则对目标进行初始定位的检测过程，运动目标检测是实现目标识别跟踪的基础。 常用的运动目标检测方法包括时间差分法、背景差分法、光流法。 运动目标检测的定义 1、时间差分法(P.170) 直接比较图像序列相邻帧对应像素点发生的相对变化，是一种直接简单的运动检测方法。 优点是计算简单、速度快。差分的两幅图像的时间间隔较短，受光线变化影响小，非常适合于动态变化场景。 缺点有三个方面，首先它不能完全提取出运动物体所有相关的特征像素点；其次是对噪声非常敏感，而且检测出的物体位置不精确；再次必须根据目标的运动速度选择合适的差分时间间隔，否则将错检或漏检。 三帧时间差分法 2、背景差分法(P.172) 是目前运动分割中最常用的一种方法，利用当前图像与背景图像进行差分，从而检测出运动区域。 首先对背景模型进行初始化，建立原始的背景图像；背景模型更新是根据当前输入的图像修正背景模型，及时反映环境的变化；背景差分是将当前帧和背景模型进行差值运算，然后与阈值相比较提取出运动目标。 运动目标 对于场景的动态变化，光照和外部噪声等干扰会影响处理结果： （1）光照条件变化 一是光照缓慢变化，可以通过更新背景解决；另一种是光照条件变化很快，背景模型的更新速度跟不上光照变化速度。会将大面积的背景当作前景目标。 （2）遮挡与运动目标混淆 当两个运动物体相互靠近重叠时，简单的背景相减会将其当作一个目标而不是两个不同目标。而如果一个运动物体的一部分被背景遮挡，则背景相减后可能会将其当作两个分开的运动物体。 （3）物体停止或者运动过慢 当运动物体停止时，需要考虑是否将该物体当作背景；而运动过慢物体会产生拖尾以及中间产生空洞。 （4）背景中物体运动，引起虚静止物体 当初始背景中存在运动物体时，该运动物体的初始图像在背景中将长期存在，在检测结果中出现虚的静止目标，用一般的背景更新算法很难将该区域去除。 （5）树叶摆动等干扰 当背景中有很多并非绝对静止的背景物体时，在检测结果中将会产生很多噪声。若场景中有风，背景中大部分树叶都在晃动，在检测结果中出现很多树叶。 （6）运动物体的阴影 由于运动物体存在着阴影，而这些阴影往往与背景不同，在背景相减过程中，这些阴影会与前景物体连在一起，不利于前景物体的跟踪与识别。 对于（1）光照条件变化 ，必须对所有像素点进行全局统计，以判断是否有光照条件的变化。依据前景物体所占比例小的假设，可以通过判断像素点中前景点占的百分比来判断光照条件是否变化，以决定是否要提高背景的更新