摄像机提取运动目标图象的方法.docVIP

精品论文 参考文献 摄像机提取运动目标图象的方法 邹丽媛/辽宁水利职业学院 【摘　要】本文提出了一种在复杂背景和摄像机运动的情况下对运动目标提取的算法。通过在图象中合理划分区域，求得各个局部运动矢量后，采用出现频率最高的局部运动矢量代表全局运动矢量，成功的补偿了背景的运动。结果表明该算法在图像背景复杂且由于摄像机运动使背号发生明显变化的情况下，可稳定准确地提取出运动目标，并能有效克服背景中存在的运动干扰。 【关键词】运动目标；图象背景；目标提取 在复杂背景下对移动目标的判断与识别，一直是一个难以解决的问题，本文对此提出新的局部投影检测法，将投影检测的区域划分在图像的周边。由于目标在图像的中心部分更集中，因此这样划分的检测区域在一定程度上克服了目标对投影结果的影响。在投影计算中采取了用投影峰值位置来匹配的方法，准确地求得了投影偏移量。在各个区域检测到的背景运动估计中，选择一个出现频率最高的运动矢量作为背景的全局运动矢量，再通过运动补偿可去掉背景，检测出真正的运动目标。 一、灰度投影原理 尽管图像序列帧间存在几何变化和光照变化，但是相邻帧间绝大部分背景的分布是相同的。基于这个原理，人们提出了灰度投影算法：将图像的灰度分布按式(1)、(2)映射成x，Y方向上的独立的一维波形，经过投影变换得到了反映图像灰度分布特点的各行、列的灰度投影曲线。通过对两帧图像投影曲线的对应位置进行匹配，得到图像在某一个方向的位移。 二、局部投影算法 由于图像的背景非常复杂，且具有多个运动物体的干扰，尤其当要跟踪的运动目标较大，占据整个图像的较大面积时，对整个图像做全局投影是很不合理的。因此，采用了局部投影法来检测各个局部运动矢量，以此为基础来求得全局运动矢量。 （一）投影区域的划分 由于所要跟踪的目标更可能存在于视场的中心区域，对图像的中心部分做投影运算不但会增加计算时间，而且可能会降低精度。图像的边缘由于有退出视场和新进入视场的部分，在前后两帧间也不适合进行投影检测。为了减少计算和提高精度，将图像的边缘和中心区域去掉。在剩下的部分划分成若干个小块作为各个投影区域。所划分的投影区域如果过大则计算量大，并且所划分的区域数会减少，不利于由局部运动矢量做全局运动估计；而投影区域选择过小则所包含的图像灰度信息太少，从而投影运算不准确。 假设所采用的图像大小为720x480。可采用如下的区域划分方法：每个边缘除掉20行，在剩下的680x440的区域内划分成25等份。除掉中心的9个等份，其余的16份大小为l36x88的区域，即为所要计算的局部投影区域。 （二）运动矢量的估计 对前后两帧图像中相对应的投影区域而言，其投影曲线的波形基本相同，惟独存在移出和新进入该区域的图像使得投影曲线在前后位置上有偏移，如图1所示。因此在前一帧某局部区域的投影曲线中除两侧以外，任何位置都 图1局部投影区域在x方向上的投影曲线 (a)，(c)为前一帧投影曲线，(b)，(d)为当前帧投影曲线 可在下一帧的对应投影曲线中找到相匹配的位置。而该位置与下一帧中的匹配位置之差就是背景在该方向上的局部运动矢量。由于本文所考虑的是复杂背景，因此在所划分的局部投影区域内会存在其他运动目标或自然条件的干扰，这样匹配位置的选择就至关重要。从图2可以看出，每一个局部投影区域的投影曲线都具有明显的峰值位置，而且一般情况下不会出现明显的双峰。因此，本算法将匹配点选择在投影曲线的峰值位置。通过用所选峰值点与下一帧投影曲线中逐点去相减，选取差值的绝对值最小的位置为匹配位置。计算公式见式(3)、(4)。 四、算法步骤 步骤一，将前一帧和当前帧的图像分别按区域划分规则分成16个投影区域，并计算每个区域在x，y方向各自的投影，在计算的时候记录下当前帧在每个方向上投影的峰值及其对应位置。 步骤二，将记录的投影峰值与前一帧的各个投影值分别比较，并选取差值的绝对值最小的，同样记录下该位置。步骤三，将前后两帧的局部区域的投影峰值位置做差值，求出局部运动矢量。步骤四，在求得的16个局部运动矢量中选择出现频率最高的运动矢量作为全局运动矢量，以此来补偿背景的移动。步骤五，根据全局运动矢量来补偿背景移动。将前一帧图像各像素移动到补偿后的位置，即在其原来位置基础上减去全局运动矢量。步骤六，用当前帧和补偿后的前一帧做差分，利用式(7)来检测出运动的目标。 五、结论 本文提出了一种新的局部投??算法用来在复杂背景下提取运动目标。提出了将图像的中心部分去掉以减少目