目标检测、目标跟踪报告..pptVIP

* 我们做了多组实验 * 目标被严重遮挡 * 目标转头：外观和尺度都发生了很大的变化 * 尺度发生明显变化 * 分层轮廓匹配方法 本文采用一种分层轮廓匹配方法来比较运动目标与车辆遮挡模型的外部轮廓，该方法在匹配过程中利用轮廓的整体和局部信息进行计算。 首先提取运动目标轮廓，并进行采样并以二叉树形式存储 ，如右图。 * 分层轮廓匹配方法 我们主要依靠该二叉树的独特分层结构逐层进行匹配比较，最终计算出匹配值。具体的匹配计算可以利用下面这个递归等式来表示： * 试验结果 （a）遮挡模型 （b）原始遮挡图像 （c）分割处理后 （d）遮挡模型与运动目标匹配 * 试验结果 （a） （b） （c） （d） （e） （f） （g） 表1 上图各个车辆与车辆遮挡模型轮廓匹配结果 * 三、主要算法步骤 （1）首先根据背景减法，初步分割出运动目标，并对运动目标进行形态学处理，填补内部空洞，去掉一些孤立的噪声点。 （2）基于YUV彩色空间检测并去除出运动目标的阴影像素。由于YUV的色差分量U、V和HSV空间的色度以及饱和度分量存在一定的联系，色度可以近视表示为,而可以认为是饱和度的值，阴影像素与背景像素比较，亮度有很大的变化，饱和度线性减少，色度一般不变，利用这一性质检测并去除出阴影像素。 * 主要算法步骤 （3）通过本文提出的两轮扫描法，分割各个运动目标，采集各个运动目标的大小，位置，矩特征，以及轮廓信息等，并修补外部轮廓中不连续的部分，得到完整的目标轮廓，供后续处理。 （4）根据分层轮廓匹配方法，对每一个运动目标，提取轮廓信息与车辆遮挡模型轮廓匹配比较，如果该运动目标与某一遮挡模型的轮廓匹配值小于某一阈值，则认为是匹配的，判定该目标处于对应遮挡状态。 * 主要算法步骤 （5）判断车辆是否通过。本文采用类似开辟检测带的方法进行判断，首先设置一条检测线，横贯马路，分析位于检测线上的各个运动车辆，对于每一帧图像中位于检测线上的所有运动车辆，我们都要查询对应位置在上一帧附近是否存在运动车辆，如果存在，则它们可能是同一辆车，进一步查询这两个运动车辆的大小、方差与均值（矩特征）差值是否保持在一个范围内，若小于某一阈值，则认为它们是同一辆车，反之认为当前车辆是刚进入检测线的新车辆，进一步查询它的遮挡状态，根据遮挡情况，增加车辆计数值，达到统计出车流量的目的。 * 运动目标分片跟踪 报告内容 1 2 3 4 马尔可夫随机场分割 全局运动估计 车辆检测与跟踪 5 图像超分辨率重建 * 超分辨率重建的概念 超分辨率重建(super-resolution reconstruction)是指：从单帧或一序列低分辨率图像(LR)复原出一幅或一序列高分辨率图像(HR)， HR图像有着更高的细节信息和更好的主观质量。 LR序列 HR图像 * 图像超分辨率重建的必要性 摄像机在空间上的分辨率能力是有限的。图像分辨率受摄像机感光阵列的空间密度及其本身引入的模糊误差、运动模糊、下采样、噪声等因素，导致实际拍摄图像的质量较差、分辨率低。因此有必要提高一定的重建算法来提高图像的分辨率，改善图像质量。 物体 镜头 感光阵列 物体成像过程： * 图像超分辨率重建的理论基础 傅立叶光学理论中把成像系统看成是一个低通滤波器，在成像过程中会丢失高频细节：对于一个线性空间不变成像系统，成像过程可表示为： g(x)表示像， f(x)表示物，h(x)表示点扩展函数。 在截止频率之外H(u)=0 ，因此就把成像系统看成了一个傅立叶滤波器，对 F(u)的解进行了限制。SR技术的目的就在于恢复截至频率之外的高频信息，以使图像获得更多的细节和信息。它的理论基础是：解析延拓理论，信息叠加理论和非线性操作。 y(x)= h(x)* f(x) Y(u)= H(u) F(u) F(u) =Y(u)/H(u) * 超分辨率重建的观察模型 给出超分辨率问题的完整的数学描述：给定p帧LR观测图像 k=1,……p；每帧大小为L1×L2，它们是来自同一场景，也可以看成是来自HR图像f的不同位置，f的大小为H1×H2。每个 是x经任意的偏移、模糊以及下采样而形成。 建立观察模型如下： Warp 1 M1 Warp k Mk Warp p Mp PSF Blur