序列图像的多目标的匹配与检测.ppt

2006-6-14 南京航空航天大学 毕业设计论文答辩 序列图像的 多目标的匹配与检测 课题研究的定义和意义 定义：目标匹配就是分析研究序列图像，计算出目标在每帧图像上的二维位置坐标，并根据不同的特征值将序列图像中不同帧中的同一运动目标关联起来，得到各个运动目标完整的运动轨迹 意义：在医学研究、交通监视、客流量统计、天文观测等领域有着非常重要的价值 多目标匹配的算法流程 差值图像 自适应阈值分割 中值滤波 网格聚类填充 网格聚类填充 行程编码区域标记 扫描车体位置 匹配算法 基于特征的匹配 基于区域的匹配 基于模型的匹配 基于灰度相关的匹配 模板匹配： 重心匹配： 模板匹配与重心匹配的比较 模板匹配：检测两个目标一共要用2812毫秒，非常耗时 重心匹配：检测两个目标只需要15毫秒 ，处理检测的速度比较快 实验结果分析 优点： 可以实现多目标的跟踪 实时性强 局限： 摄象机的拍摄尽量俯拍，不要拍到路边的树和人 要求车体目标不能靠的太近 差分的两幅图像帧数相隔不能太远 三个目标的匹配 展望 本文中只使用了两帧图像进行差图像，可以考虑使用多帧图像进行相互差图 本实验中寻找重心的算法较为简单，当目标的形状较为复杂时，重心的寻找还需要设计新的算法 实验中并未涉及当目标被遮挡住，或者多个目标重叠成一块分割块时的处理方法。如果能解决这一问题，只要将算法改成循环读入序列图像，就可以实现实时跟踪多个目标 谢谢大家！ * * 预处理 标记 匹配 第一帧图像 第三帧图像 前两帧图像的差值结果 两个运动目标被初步提取 除去相对静止的背景，初步提取目标 差值结果 阈值分割后的二值图 将图像二值化，进一步提取目标 二值图 3×1中值滤波 除去噪声，突出图像细节 6×6的网格 使车体完整，形状规则，还消除部分噪声 6×6的网格 中值滤波 车体中不连通的部分大致被填充 标记后的图像 灰度为五十 灰度为一百 实验中用50×N的灰度对第N个目标进行标记 依据目标像素灰度对目标进行扫描，扫描后给目标加上边框 两个目标的位置已经较为准确的找到 原图 跟踪图像 像素灰度100的边框 基于区域的匹配 像素灰度0的边框 模板 基于特征的匹配 像素灰度100的十字标记 像素灰度50的十字标记 跟踪图像 原图 ◆ ◆ ◆ ◆ ◆ 我们在VC++软件平台上实现了全部算法，并进行了两个目标和三个目标的跟踪匹配。匹配两个目标共会消耗时间为三十二毫秒，匹配三个目标共会消耗时间三十五毫秒。十次对不同帧图像的匹配结果准确率为100%， 对同样图像匹配的结果正确率也是100%。 标记 匹配