复杂条件下的运动目标检测方法研究综述_图文.doc

复杂条件下的运动目标检测方法研究综述_图文.doc

  1. 1、本文档共18页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
2008年6月第25卷第3期沈阳航空工业学院学报 Journal of Shenyang I nstitute of Aer onautical Engineering Jun . 2008Vol . 25 No . 3 文章编号2008复杂条件下的运动目标检测方法研究综述 张森悦 李一波 1 2 (1. 沈阳航空工业学院经济管理学院, 辽宁沈阳 110034; 2. 沈阳航空工业学院自动化学院, 辽宁沈阳 110034 摘 要:运动目标检测是当前研究热点之一, 被广泛地应用于计算机视觉、视频处理等领域。将运动目标检测的三种常用方法进行对比, 总结其各自的适用性及局限性。针对光照变化、在干扰运动、前景色与背景色接近等复杂条件, , 的局限性, , 指出了方向。 关键词:复杂条件; 目标检测; ; 中图分类号::A   , , 目前被广泛应用于安全监控、视频压缩编码、交通监测等 [1-3] 领域。复杂条件下的目标检测因其自身的复杂度和处理结果将直接影响到其应用领域的后期工作这一特点, 是众多相关学者研究的难点和热点问题之一。目前常用的运动目标检测技术主要有三种:背景减除法、帧差法和光流法。T oya ma 在文献[4]中列举了一个复杂条件(场景 大体上所涉及的问题, 包括:背景中的物体发生运动; 由于光线的变化产生背景的变化; 同一背景区域中有不连续的或周期性的变化; 目标在运动过程中停止; 物体从背景中由静止开始运动, 引起背景变化; 目标的阴影, 影响目标的真实形状等。本文通过将上述问题进行合并, 主要将光照变化、背景存在干扰运动、目标色与背景色接近、运动目标运动缓慢等复杂条件的运动目标检测方法进行分类综述。在对这些方法进行分析的同时, 指出了这些方法应用的适用性及局限性, 为复杂条件下目标检测的进一步研究指出了方向。 要可分为以下三种:帧差法、背景减除法和光流法。 背景减除法是将当前帧和背景参考模型进行比较, 当背景发生变化时, 要对背景模型不断地更新, 与模型不一致的区域被标识为运动区域。该方法将图像分为背景和前景, 对背景进行建模, 然后把当前帧与背景模型进行逐像素的比较。那些与背景模型符合的像素被标记为背景, 不符合的像素被标记为前景。背景减除法是目前运动目标检测比较常用的方法, 特别是在背景相对静止的场合应用较多。该方法复杂度不高, 但对场景中由光照引起的象素变化比较敏感。 帧差法是通过两帧或三帧连续图像的差来提取运动目标。这种方法是最简单最直接的方法, 它能较快的检测出视频图像中发生变化的部分。帧差法能较好的适应环境变化较大的情况, 对于目标运动时引起图像中发生明显变化的像素容易检测, 但对于像素变化不明显的点很难检测。因此该方法大多用于背景比较简单, 环境干扰比较小的情况。 光流法是目前研究比较多的方法, Barr on 在文献[5]中对光流法进行了详细讨论。光流反映了在一定时间间隔内由于运动所造成的图像变化, 对图像的运动场进行估计, 将相似的运动矢量合并成运动目标。大部分光流法计算复杂并且对噪声十分敏感, 如果没有特殊的硬件支持, 很难应用到实时的视频图像处理中。 以上目标检测的常用方法, 对于本文所提及的复杂条件均不能完全适用。所以对于复杂条件 1 目标检测的常用方法 运动目标检测的目的是为了找到产生运动的区域, 检测出来的运动区域将为后续的行为分析 和理解的奠定基础。目前, 运动目标检测方法主 收稿日期作者简介:张森悦(1979 , 女, 辽宁沈阳人, 讲师, 硕士研究生, 主要研究方向:图像处理、机器视觉, E -mail:xuer 27@163.com 。 60                   沈阳航空工业学院学报                第25卷 下的运动目标检测方法, 需在原有方法的基础上进行改进。像中的每一点用多个高斯模型去近似, 用新得到的观察值更新模型参数, 使旧观察值的影响力逐渐变小。这些模型中包含有前景和背景, 可以从多个高斯模型中根据一定的准则选择一个子集作为背景模型。将每个象素新的观察值与这个背景模型相比较, 如果匹配则标记该象素为背景象素, 否则标记为前景象素。Power 等人在文献[16]中详细讨论了混合高斯模型, 并对模型中的每个参。张旭东等人 [17] 2 复杂条件下的目标检测方法 在复杂的背景中, 由于光照变化、背景噪声干扰、摄像机抖动、运动目标遮挡的存在, 运动目标的检测与识别面临着极大的挑战。在目标分类与跟踪过程中, 运动目标的检测与分割是十分重要的一个环节, 因此它是机器视觉研究领域中的一个亟待解决的一个关键问题。目前国内外解决此类复杂场景问题的方法主要有以下几种:2. 1 自适应背景减除法在

您可能关注的文档

文档评论(0)

0004499 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档