opencv中常用检测与跟踪算法原理介绍.pptx.pptVIP

OPENCV中常用物体检测算法和跟踪算法的介绍 一、运动物体的检测方法 运动目标检测指从图像序列中将前景变化区域从背景图像中提取出来；现阶段运动目标的检测的难点主要在：动态变化着的背景的提取与更新、光线变化（渐变、突变、反光）问题、阴影干扰、目标遮挡、背景物体变化（如树叶、水波、天气变化等）、及目标运动过程不连续、速度缓慢、往返运动等问题上。现阶段主要的基本的检测算法视频图像的时域和空域信息；主要检测算法如下： 1、背景减法 背景减法的原理是利用当前图像与背景图像的差分来检测运动区域的一种技术。它一般能够提供最完整的特征数据，而且速度快，能适合实时系统的要求。但是对于动态场景的变化，如光照和外来无关事件的干扰特别敏感。 2、时间差分 时间差分方法利用图像序列中前后几个相邻帧图像之间的差分来提取图像中的运动区域例如Lipton等利用两帧差分方法从实际视频图像中检测出运动目标，进而用于目标的分类与跟踪。一个改进的方法是利用三帧差分代替两帧差分，如VSM开发了一种自适应背景减除与三帧差分相结合的混合算法，它可以快速有效地从背景中检测出运动目标。时间差分运动检测方法对于动态环境具有较强的自适应性，但它一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞现象。 3、光流 光流方法的运动检测采用了运动目标随时间变化的光流场特性，从而有效地提取和跟踪运动目标。该方法的优点