11视频跟踪概要.ppt

检测后处理 形态学处理：腐蚀、膨胀 连通域处理、孔洞填充 运动目标跟踪 所谓目标跟踪，就是在一段序列图像的每幅图像中找到所感兴趣的运动目标所处的位置。 一个好的目标跟踪算法满足的要求是什么？ 实时性好，算法要费时少 鲁棒性要强 ⑴、目标跟踪的表示方法： (a)质心表示，(b)特征点集表示，(c)矩形框表示，(d)椭圆框表示，(e)关节模型表示，(f) 轮廓表示，(g) 侧影表示，(h) 骨架模型表示 运动目标的表示方法 基于点的跟踪 基于区域的跟踪 基于轮廓的跟踪 基于模型的跟踪 由 简 到 繁 （采用上述的哪种方法来表示运动目标和不同的应用场合、运动目标的运动特性、以及对跟踪算法的精度要求等密切相关。） 视频目标跟踪算法 基于对比度分析 基于匹配 核方法 运动检测 其它方法 特征匹配 贝叶斯 跟踪 Mean shift方法 光流法 “OpenCV2”的camshiftdemo 核方法——mean shift（均值漂移）简介 “OpenCV2”的camshiftdemo 核方法——mean shift（均值漂移）简介 核方法——mean shift（均值漂移）简介 算法思想：Mean Shift 跟踪算法反复不断地把数据点朝向数据质心方向移动，最终收敛到某个概率密度函数的极值点。在Mean Shift 跟踪算法中，采用彩色直方图作为匹配特征，采用相似度函数用于刻画目标模板和候选区域所对应的两个核函数直方图的相似性， 用Bhattacharyya 系数描述相似性。因此，这种方法将跟踪问题转化为模式匹配问题。 优缺点：该方法可以避免目标形状、外观或运动的复杂建模，建立相似度的统计测量和连续优化之间的联系。但是，Mean Shift 算法不能用于旋转和尺度运动的估计。 直观描述 完全相同的桌球分布 感兴趣区域 质心 Mean Shift 矢量 目的：找出最密集的区域 直观描述 完全相同的桌球分布 感兴趣区域 质心 Mean Shift 矢量 目的：找出最密集的区域 直观描述 Distribution of identical billiard balls 感兴趣区域 质心 Mean Shift 矢量 Objective : Find the densest region 直观描述 完全相同的桌球分布 感兴趣区域 质心 Mean Shift 矢量 目的：找出最密集的区域 直观描述 完全相同的桌球分布 感兴趣区域 质心 Mean Shift 矢量 目的：找出最密集的区域 直观描述 完全相同的桌球分布 感兴趣区域 质心 Mean Shift 矢量 目的：找出最密集的区域 直观描述 完全相同的桌球分布 感兴趣区域 质心 目的：找出最密集的区域 Mean-Shift物体跟踪 … … 当前帧 … … Mean-Shift 物体跟踪目标表示 选择一个特征空间 在当前帧选取一个合适的模板 Mean-Shift 物体跟踪目标定位 在下一帧模板附近的区域进行搜索 从当前帧模板的位置开始 通过算法找到最佳的候选区域 在后面视频的帧，重复上面的过程 当前帧 … … 模板 候选区域 Mean-Shift物体跟踪 在当前帧选取一个合适的模板 彩色空间的量化 选择一个特征空间 通过某种函数，在选择的空间表示模板 Mean-Shift物体跟踪 相似性函数: 模板区域 (质心为取模板时的点) 候选区域 (质心为 y) Mean-Shift物体跟踪相似度函数的确定 模板区域: 候选区域: 相似性函数: 1 1 Bhattacharyya 系数 * * * * * * * 视频跟踪 概述 视频跟踪融合了图像处理、计算机视觉、模式识别、人工智能等学科的技术，是一种应用前景非常广泛的技术。所谓视频目标跟踪，是指对视频图像序列中的特定目标进行检测、提取、识别和跟踪，获得目标的位置参数，如目标质心的位置、速度、加速度，或者目标整体所占的图像区域，抑或是目标的运动轨迹等等，从而进行后续深入的处理与分析，以实现对特定目标的行为理解，或完成更高级的任务。 一个视频跟踪系统通常包括以下几个环节：图像采集、视频图像处理、数据通信、传感器控制与伺服系统等，如图7.1所示。 视频目标跟踪在诸如安全与监控系统、交通控制系统、定位导航系统、三维重建、视频传输与压缩、虚拟现实、增强现实等诸多方面均有广阔的应用，研究视频目标跟踪，具有重要的军事、商业价值。 视频跟踪的最终目的是实现智能视频。 随着大规模监控系统的广泛应用，工作人员根本无法管理和监看成百上千的摄像头，因而在很大程度失去监控系统的预防与积极干预功能。例如伦敦Heathrow国际机场装配有超过5000个摄像头，如何管理这些视频信息，将数据在适当的时间及时精准地传递给需要的