opencv中常用的检测和跟踪算法原理介绍3.pptxVIP

OPENCV中常用物体检测算法和跟踪算法的介绍;一、运动物体的检测方法;1、背景减法 背景减法的原理是利用当前图像与背景图像的差分来检测运动区域的一种技术。它一般能够提供最完整的特征数据，而且速度快，能适合实时系统的要求。但是对于动态场景的变化，如光照和外来无关事件的干扰特别敏感。 2、时间差分 时间差分方法利用图像序列中前后几个相邻帧图像之间的差分来提取图像中的运动区域例如Lipton等利用两帧差分方法从实际视频图像中检测出运动目标，进而用于目标的分类与跟踪。一个改进的方法是利用三帧差分代替两帧差分，如VSM开发了一种自适应背景减除与三帧差分相结合的混合算法，它可以快速有效地从背景中检测出运动目标。时间差分运动检测方法对于动态环境具有较强的自适应性，但它一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞现象。 3、光流 光流方法的运动检测采用了运动目标随时间变化的光流场特性，从而有效地提取和跟踪运动目标。该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标，而缺点在于计算方法相当复杂，且抗噪声性能差，如果没有特别的硬件装置则不能被应用于全帧视频流的实时处理。 4、统计方法 统计方法是利用单个像素或几组像素的变化特征建立背景模型，克服了传统背景减法对动态干扰因素较敏感的问题。如利用背景注册技术构建可靠的背景模型，将当前帧与背景模型相减提前前景区域。该方法