检测和跟踪视频监控中的运动目标素材.docxVIP

检测和跟踪视频监控中的运动目标 Isaac Cohen G′ erard Medioni 南加州大学 机器人与智能系统研究所 洛杉矶CA 90089 - 0273 icohen  HYPERLINK mailto:medioni@ medioni@ 摘要： 我们通过在一个移动的机载平台获得的视频流来解决关于运动目标的检测和跟踪的问题。该方法依赖于一个图表示可以获得和维持一个动态的运动目标，每个运动目标要强制他们的连贯性。这个推断的模板，以及在我们的方法中使用的图形表示，使我们能够判断运动目标的轨迹，找出在图中的最优路径。建议的跟踪器允许处理部分遮挡，以及在非常具有挑战性的情况下的停止和运动。我们展示了一些不同的真实序列的结果。然后我们定义量化我们的结果和如何克服错误跟踪检测评估方法。 引言 视频传感器（伴随云台和变焦能力或安装在监控应用中的移动平台）的使用增加，增加了研究人员对处理任意视频流的关注度。对于感兴趣的事件的视频流的处理依赖于检测，在每个帧中，所涉及的对象，和基于帧的信息的时间整合到模型简单和复杂的行为。这种高层次的视频流的描述依赖于准确的运动目标的检测与跟踪，并与它们轨迹之间的关系相关。 在本文中，我们是在视频监控的背景下解决检测和跟踪运动目标的问题。大多数用于这个问题的技术使用一个固定的相机[ 4，3 ]或封闭的世界表示[ 6，8 ]并且这些都依赖于一个固定的背景或特定的知识的行动发生的类型。现在，我们处理一个更具挑战性的类型的视频流：这个视频流是从一个移动的机载平台获得的。这种更一般的情况下，使我们能够在现实世界的视频监控的情况下，在处理视频流的建议的方法进行评估。 我们提出了一个基于图形表示的检测得到粗略的跟踪运动区域的方法。检测阶段进行流量补偿后的图像，是由观测平台运动引起的，它产生了大量的区域。事实上，使用剩余的流场和它的正常成分，即正常流量，定位移动区域同时检测同步误差，由于当地的变化不能正确处理的稳定以及3D structuresi E.视差。定义一个属性图中的每个节点是一个检测区域，并且每个边是可能的两个区域在不同帧之间检测匹配，提供所有详尽表示检测到的运动目标。此图表示方法，使我们能够保持对一个动态模板的所有运动目标进行跟踪。此外，该图是通过优化搜索路径沿每个图的连通分量，用来描述物体的运动轨迹的。 这篇论文的组织如下：首先，我们描述介绍了在第2节所使用的检测技术。在第3节和第4节分别阐述了动态模板图形表示和推理。在第5节提出用于从关联图中派生对象的轨迹的方法。最后，我们在第6节描述用于量化在处理视频的设置结果的评价技术。 2.运动目标检测 大多数用于检测移动物体的技术已经被设计为一个固定的摄像头获取 的场景。这些方法允许将每个图像分割成一组使用背景差分算法的运动目标区域[ 6，4 ]。最近，[ 3 ]提出了一种局部建模的背景下使用K-高斯允许随时间变化的背景视频流混合过程。这些方法给出了令人满意的结果，可以在没有专用的硬件的情况下实现实时处理。 视频传感器的可用性，成本低，与云台和变焦能力或视频流通过移动平台得到了研究者的关注，主要集中在视频流采集的运动物体检测。在这种情况下，不能使用背景差分技术。他们必须依靠一个稳定的算法来取消相机运动。这样的两步法，即稳定、检测、不完美的表现，是因为基于背景差法检测技术假设了一个完美的稳定。事实上，稳定的算法使用仿射或视角的运动补偿和赔偿的质量取决于所观察到的场景和对采集的类型模型（即泛倾斜变焦，任意运动…）。因此，运动补偿并不是没有错误的，它导致了错误的检测。然而，我们可以使用检测区域的时间相干性，以提高运动目标检测的准确性[ 10 ]。 而不是使用这两个步骤的方法，我们建议在剩余运动发生的地方通过定位区域的图像将检测算法集成到稳定算法中。这些区域被检测到使用的时光流场的正常成分。 正常流动是来自图像序列稳定的图像的时空梯度。事实上，通过映射到选定的参考帧的原始帧获得的此图像序列的每一帧， ij表示成像变形的参考框架J.映射函数由以下公式定义： 稳定的图像序列被定义为： 映射函数的估计量估计的自我运动，根据相机模型，它涉及到三维点在图像平面上的投影。我们使用的方法，是以图像引起的流量为模型，而不是一般的角度变换的三维参数[ 7 ]。模型的参数估计通过在序列中跟踪一个小的特征点集。给一个参考图I0和图I1， 图像的稳定由寄存的两张图和变形图像I1计算几何变换，与参考图像I0的对齐组成。几何变换的参数估计是通过最大限度地减少最小二乘准则： 异常值的检测和通过一个迭代过程中去除。我们选择一个仿射模型，从而逼近的透视投影，同时具有较低的计算复杂度。此外，空间层次，在金字塔的形式，用于跟踪选定的特征点。金字塔由至少三的水平，一个迭代的仿射参数估计产生准确的