目标检测目标跟踪报告课件.ppt

视频监控;运动目标分片跟踪;动态场景的运动检测;视频序列运动检测;解决思路;;实验结果与普通帧差法的比较;基于图像金字塔分解的全局运动估计 ;;;运动目标分片跟踪;目标分割的意义与现状;;马尔可夫随机场分割;;;基于MRF的运动目标分割 ;;;MRF运动目标分割结果一;MRF运动目标分割结果二;运动目标分片跟踪;分片跟踪;分片跟踪;分片跟踪;;;;分片跟踪;分片跟踪;分片跟踪;;运动目标分片跟踪;车辆检测与跟踪;车辆检测与跟踪概述;车辆检测与跟踪概述;车辆检测与跟踪概述;基于改进码本的车辆检测方法;常??背景建模和更新算法 ;基于码本模型的运动目标检测方法 ;基于码本模型的运动目标检测方法 ;基于码本模型的运动目标检测方法 ;基于改进码本的车辆检测实现 ;车辆跟踪方法的实现 ;算法步骤 ;夜晚车辆检测结果 ;普通路面检测结果 ;高速公路检测结果 ;跟踪结果 ;跟踪结果与粒子滤波方法比较 ;跟踪结果与经典CamShift方法比较 ;跟踪结果比较;车辆检测与跟踪;背景; 一、基于连通域的两轮扫描法 ; 基于连通域的两轮扫描法;基于连通域的两轮扫描法; 基于连通域的两轮扫描法;对比情况;二、通过轮廓匹配来解决遮挡问题;遮挡模型;分层轮廓匹配方法;分层轮廓匹配方法;试验结果;试验结果;三、主要算法步骤; 主要算法步骤;主要算法步骤;运动目标分片跟踪;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。 ; 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。;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。 ;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： ;配准 在序列图像超分辨率重建过程中，必须从欲重建图像的前后帧图像中提取相关的信息作为本帧图像信息的补充，因此必须找到当前帧图像中各象素点在前后序列图像中所处的位置。所以图像超分辨率重建中一个关键性要素就是对序列图像中每个象素点进行图像间精确的亚象素级运动估计。 为什么要进行图像配准？ ;1st frame;为什么需要子像素的配准精度？ ;超分辨率重建中图像配准常用算法 块匹配算法、光流场算法、基于互信息和互相关函数的算法、基于泰勒级数展开的算法。 我们需要的算法： 对图像全局运动和局部变形均有效，并且对噪声鲁棒的精确亚像素精度的配准算法。;主要重建算法1) 迭代后向映射(IBP);2) 凸集投影(pocs)  凸集是定义在希尔伯特空间H上满足一定条件的集合。; 未知的HR图像—x，看成H空间中的一个元素。根据实际情况和相应理论可以定义出一些先验约束条件，这些约束条件描述成一个个凸集：;3) 极大后验概率(MAP) 根据Bayesian估计理论，   由Bayesian公式- ; 图像 随机场(Random Field)。 常见的随机场：Markov，Gauss，Gauss-Markov，Gibbs ;4) 近来一些新的超分辨率重建算法  matan protter提出了一种基于非局部均值滤波演变而来的新算 法，该算法的显著特点是：不依赖于精确的运动估计（即配准），重建图像某像素点的灰度值由与其所在区域相似的多个区域像