[工学]图像纹理.pptVIP

第五章 运动分析 运动分析的意义 运动分析研究目的和工作内容 运动目标检测和定位 光流法 利用时-空梯度估计光流场 利用时-空梯度估计光流场 利用时-空梯度估计光流场 利用时-空梯度估计光流场 利用时-空梯度估计光流场 基于梯度算法仿真结果 帧间差分法 背景消减法 运动目标的获取视频图像处理实例 背景模型获取技术-滤波法 基于背景模型的目标跟踪 一种静止背景中基于边界的运动目标检测算法 运动目标检测流程示意图 阈值选取 阈值选取 阈值选取 边界提取 区域填充 外接矩形标识 外接矩形标识 背景重建 运动目标的跟踪 1.静止背景中目标检测和跟踪 第一类：基于帧间差异算法 第二类：基于背景估计图像与当前帧图 像差异 第三类：基于背景统计模型的算法 2.运动背景中目标跟踪 思路一：计算光流场，对光流场进行分割 思路二：通过图像帧间配准，做帧间差分 运动目标的跟踪 《基于kalman滤波和边缘直方图的实时目标跟踪》 运动目标的跟踪 跟踪过程： 1.初始化阶段：在参考图像中定义目标观测 以及目标的初始状态x(0)。采用Kalman滤波的过程模型预测目标的可能出现区域：x(t) =Ax(t- 1) +w(t). 2.目标观测和特征更新过程 EOH表达式： 3. 根据 更新目标状态的估计。 4.目标位置预测新过程，预测下一帧位置。 运动目标的跟踪 《背景估计与目标检测跟踪》 在高速公路上获得的视频流为例 1.运动车辆的分割 （1）利用 进行分类：前景和背景。 （2）目标因子 用来决定当前像素中，哪些用来更新当前背景。 （3）瞬时背景 运动目标的跟踪 （4）获取当前新背景 2.车辆的自动跟踪 粗定位： 二值 连续水平矢量投影 车辆左右边界 运动区域 模板图 个数T 连续垂直矢量投影 车辆上下边界 细定位： 利用sobel得到水平和垂直边缘图 水平、垂直投影 设定阈值thresh进行检测（水平和垂直方向上搜索） 精确定位车辆左右边界 车辆的区域跟踪： 思路是将当前帧中的区域CMR0与CMR1中的区域组成一种加权双向联合的 方法来进行区域匹配跟踪，将跟踪问题转化为搜索最大权值问题 运动目标的跟踪 《一种快速运动目标检测与跟踪算法》 基于帧间差分法和光流场的不足而设计的一种算法 1.帧间差阈值法检测运动目标 2.光流场用于目标跟踪 光流场基本方程 由于遮挡，多光源等原因，该方程不易实现。只有在图像灰度的梯度很大的 时候，才基本成立。将其改进可得： 为几何分量， 为照度分量 运动目标的跟踪 在此基础上，为准确球出光流场的分布，人们提出许多约束条件和计算方法，但在实际应用中基于微分法的最小二加权可取的较好的效果，即在像素（x，y）的邻域内，用加权最小二乘法来求该点的光流。 该方法的约束条件为 其解可表示为： 光流的可靠性由矩阵的特征值决定，如果其特征值均大于给定阈值，则计算是可靠地，反之，是不可靠的。 因为，在梯度不为零的时刻，光流场的基本方程才近似成立，因此在计算时利用梯度不为零处的点计算光流场较计算整个运动物体更精确，而约束条件使得计算出的光流场不但精确，而且，也减小了计算量。 《基于图像处理技术的目标预测跟踪与实现》 1.采用中值滤波去噪 2.采用Robert算子进行边缘检测 3.一、二帧具有相同的背景，通过与原始没有运动目标图片相与，去噪，进行二值化，求得质心的距离，从而计算出目标的帧间运动速度。 运动目标的跟踪 《基于矢量机和信任域的目标跟踪算法》 首先引入了模式分类中的SVM算法来生成目标概率分布，从Lindeberg尺度空间理论开始,先引入了使用多尺度规范化Laplacian滤波函数来检测灰度块的方法,然后通过QP-TR信任域算法在图像平面和尺度空间中搜索多尺度规范化Laplacian滤波函数的极大值,使每个极大值都对应着一个灰度块在图像平面内的位置和尺度,从而实现了对目标的精确定位和跟踪。（目标尺寸发生变化时） 《一种基于粒子滤波的自适应运动和目标跟踪方法》 现对直方图进行改进，提出了一种基于统计直方图分布的目标模型，将均值漂移算法和粒子滤波