复杂背景下运动标跟踪.pptVIP

谢谢！ * 小组成员：钱春虎 胡玮 胡辉 梁博 电信学院 西安工业大学 * 背景 运动目标跟踪是数字视频技术发展中产生的一个重要的研究课题 ， 在基于安全要害部门的视频监控等领域有着十分重要的研究意义。如何精确地对运动目标进行定位跟踪， 对于提高军事中的武器制导、武器 打击的精度等有着重要的影响。 * 所谓运动目标跟踪，就是在运动目标检测的基础上，利用目标有效特征，使用适当的匹配算法，在序列图像中寻找与目标模板最相似的图像的位置，简单说来就是给目标定位。在实际应用中， 运动目标跟踪不仅可以提供目标的运动轨迹和准确定位目标，为下一步的目标行为分析与理解提供了可靠的数据来源，而且也可以为运动目标检测提供帮助，从而形成一个良性的循环。 定 义 今天介绍一种常用的Kim目标分割方法和 一种改进的算法，实现运动目标的跟踪。 * Kim方法目标分割 在Kim方法的变化区域的检测中，灰度级的变化量不仅用到了连续两帧图像的差分图像，而且还用到了当前一帧图像和背景图像的差分图像。这种将两个差分图像结合起来用于运动目标检测的思想，既避免了连续帧间差分法的两帧图像目标重叠部分检测不出来及检测出目标在两帧的伪运动信息的问题，又解决了背景差分法容易受外界环境影响的问题，所以Kim方法能够比较精确地提取运动目标的二值模板。 * Kim方法目标分割 Kim方法的运动目标检测模型如图所示 Kim方法在做运动目标检测时首先要采集 k和k+1时刻的连续两帧灰度图像和预先采集到的一幅静态背景图像， 此静态背景图像只能包含静止不动的物体 * 为了检测到图像变化的区域，需要计算k和 k+1 时刻的连续两帧灰度图像的时域差分T1与当前帧图像和静态背景图像的差分Tb。这两个差分二值化的图像Tt和Tb可以通过以下公式得到： Kim方法目标分割 式中：t1和tb为进行差分图像二值化的阈值，这里的阈值通过自适应阈值算法中的最大类间方差法得到。基本思路是将直方图在某一阈值处分割成两组，当被分成的两组的方差为最大时，得到阈值 * Kim方法目标分割 最后，二值的运动模板可由下式计算得出： Mk(x,y)在坐标(x,y)处只有当两幅差分二值图像Tt(x,y)和Tb(x,y) 在(x,y)的位置上都是非零时，它们的与或乘积才不是0；反之，如果Ti(x,y)和Tb(x,y)其中一幅在图像的位置上没有检测到运动信息，就判定最后得到的二值的运动模板(x,y)在此点上 没有运动信息，也就是二值的运动模板只是Tt(x,y)和Tb(x,y)所检测到的运动信息的一个交集。 * 如果T1(x,y)和Tb(x,y)有一个出现运动信息的漏检就会影响到最后的结果。实验证明，这种由于漏检所造成的影响，会使二值的运动模板图像中目标的内部出现较多被误判为背景的运动信息点，较难形成一个完整的目标轮廓和保证运动目标的连通性，降低了此种方法运动目标检测的效果。 结论 * 改进的运动目标分割算法 考虑到Kim方法在使用过程中所产生的上述问题，在Kim方法的基础上提出了一种改进的运动目标检测算法，在实验过程中获得了较为满意的结果。 改进的运动目标检测算法的模型如图2所示。 * 两种算法比较 改进的运动目标检测算法与Kim方法相比的共同之处是：都是将连续帧间差分法与背景差分法相结合，都使用连续两帧灰度图像fk,fk+1和背景图像，最后的检测结果都是以二值的运动模板给出。不同之处是：Kim方法是对连续帧间差分图像和背景差分图像分别二值化处理得到Tt和Tb，然后求取这两幅二值图像的公共部分，最后得到检测结果Mk。改进方法是：首先将连续帧间差分图像和背景差分图像直接相乘得到灰度图像，然后对此灰度图像再进行二值化处理，最后获得二值的运动模板Mk。Kim方法和改进方法在进行二值化处理时使用的都是最大类间方差法阈值分割算法。 * 改进方法比 Kim方法更能保证目标轮廓的完整性和运动目标区域的连通性。完整的目标轮廓对于精确反映目标的形状、边缘以及目标在图像中的区域和位置都是很重要的，而运动目标区域的连通性对于精确提取运动目标的二值模板和灰度模板、多运动目标中的多目标定位以及确定目标的外接矩形也都是很关键的，所以保证目标的轮廓完整性和目标区域的连通性是我们评价运动目标检测结果的一个重要考虑。 两种算法比较 * 改进方法之所以比Kim方法能更好地保证这两点，是因为它不仅像 Kim方法一样保留了两幅差分图像中检测到的运动信息的公共部分，而且还通过差分图像直接相乘，使相乘所得到的灰度图像中运动信息的公共部分的灰度变得最大，运动信息的非公共部分的灰度值次之，非运动信息部分最小，这