一个鲁棒的基于机器视觉运动目标检测与跟踪系统研究.doc

一个鲁棒的基于机器视觉运动目标检测与跟踪系统 摘要：在本文中，我们提出了一种在使用移动相机地面场景得到移动实检测和跟踪新算法。我们的算法包括两种模式：检测和跟踪。在检测模式，背景使用运动估计和补偿仿射变换。由此产生的运动整流图像用于探测目标位置使用分割和合并算法。我们精确的检测，还检查了其他功能目标位置。当目标，算法跟踪模式。修改莫拉维克用识别目标特征点。相应的点使用差距进一步完善载体范围。目标跟踪系统形状恢复，因此它可以成功跟踪与相机间的距离不同的目标或在相机变焦。本地及转口计算算法适用于实时应用点当前帧确定新的目标位置。实验结果该算法是可靠的，在大多数可以显示成功地探测和跟踪目标。关键词：实时运动目标跟踪和检测，特征匹配，仿射，车辆跟踪，移动相机在检测模式下，我们使用仿射变换LMedS（最低位数的平方）明显的稳背景估计方法。补偿后背景，我们分割和合并的算法电流差异框架和转化前一帧获得目标位置的估计。如果没有发现目标，那就意味着，太小，无法检测。在后者的情况下，可以通过调整相机的帧频检测目标。“自动实现算法直到一个重要的帧分析检测到差异。我们设计了一个的方法来验证基础上得到一个先验目标。对于车辆检测的情况下，我们使用垂直CAL和水平梯度找到有趣特点以及制约该地区在本节中得到讨论。2.1背景运动估计仿射变换已被用来相机模型运动。这个模型旋转，缩放和平移。2D仿射变换描述如下： (1) (xi,yi)点的位置在前一帧（，），地点在当前帧和A1~A6点的参数。这种转变有六个参数的;因此，三个配对的需要完全恢复的。从固定背选择三点是必要，保证相机模型准确的。我们使用莫拉维克发现出的特征点，以确保精确匹配。莫拉维克选择与像素最小最大的方向梯度感。如果运动目标构成一个小的区域（即低于50％的图像），可以LMedS算法按照下列程序应用于确定仿射连续两帧画面之间明显的转换背景运动参数。从上一帧选择N的随机特征点，使用标准的规范化交叉相关方法来定位当前帧中的对应点。归一化相关方程为： (2) 这里和平均强度在这两个的像素，求和是所有像素进行的小型集中在特征点。在上面的方程式r值两个之间相似度的和介于1和1。因为我们假设移动对象是少于50%的整体形象,因此大多数的N点将属于静止的背景。：（，，，）对于i=1,2,3， N特征点在步骤1中获得（，）是坐标前一帧的特征点，（，）是对应于当前帧。3.对每一组计算仿射变换参数。4.在步骤1使用M变换n功能点仿射变换，在第3步获计算平方差的M位数之间的对应点和转化点。然后选择仿射参数平方差的中位数最低限度。根据上述过程中，至少有一个数据在后台设置的概率p和获得正确的对应点从下面的公式推导： (3) 其中，在( 0.5)的比例是移动物体区域的整体形象的对应点被正确地找到。[7]已被证明，上述方法会给一个准确和可靠的模型。2.2运动目标检测方法背景运动补偿帧当仿射参数估计,他们可以用于明显背景运动,通过变换的帧。现在不同的当前帧和转换的帧显示了真正的移动目标。然后我们应用一个阈值来产生一个二进制图像。转换的结果是图显示和细分和1~b划归。一些部分被分割为归因于噪音。可用于连接组件属性减少噪声引起的错误。我们使用分割和合并算法找到目标包围盒。如果没有找到目标，那么就意味着或者是没有场景中移动的目标，相对运动的目标太小，无法检测。在后一种情况下，它通过调整相机的帧频可以探测目标。该算法会自动完成通过分析帧，直到发现目标。我们特别感兴趣的是检测和跟踪移动车辆，我们的实验表明比较长度的水平和垂直的线在目标地区与周边关于自然的目标将给一个有的线索。一个目标是验证后，切换算法进入跟踪模式。修改莫拉维克应用到目标识别功能点。这些特征点匹配在当前在该的点帧。差矢量的计算点配对。我们使用差矢量优化匹配点。点确定新的目标位置当前帧。该算法切换到错过目标的检测模式。虽然以上检测算法，可用于跟踪，但在与上述检测算法描述对照我们在本节中的描述跟踪算法有计算成本非常低。另一方面，当被检测的目标是不限于保持跟踪模式。?“目标也可以是大于50％的景跟踪模式，这意味着摄像机放大到一个更大的目标跟踪。图1：连续两帧画面和背景运动补偿后，计算出的差异，其中仿射参数为：A1= 0.9973，A2=0.004，A3= 0.008，A4=1.0022，A5=1.23，A6=2.51 当目标的大小是固定的正常互相关或SSD（平方和差异）方法可以直接申请跟踪目标。但是，我们不限制目标有一个固定的大小。我们的跟踪算法更新目标的形状和大小的能力。为了实现这一目标，该算法基于动态特征点的跟踪。我们选择功能TURE目标区域的点，跟踪他们在下一帧。水平和垂直线