运动目标检测与跟踪.pptVIP

消除运动阴影干扰的阴影检测方法基于纹理模型的检测方法基于颜色特征的算法基于几何模型的方法基于几何模型的方法：它利用摄像机位置、场景表面的几何特征以及目标间的几何约束来检测阴影，需要很多假设和先验知识，如要求地面平直、目标垂直于地面、明确摄像机和光源位置等；基于颜色特征的算法：它在RGB、HSV、YUV等颜色空间上使用多种阈值分割前景、背景、阴影，或者利用统计模型对阴影像素的颜色值进行描述，如显著性检验、贝叶斯推断、最大后验概率、混合高斯模型等。这类方法中，大多通过经验选取分割阈值，分割效果常会随图像内容的不同而不同。基于纹理模型的检测方法：它利用投射阴影降低相应背景像素灰度值，但不改变像素领域纹理的特征进行阴影检测，典型的用于阴影检测的纹理特征有Gabor特征，小波变换特征，比率边缘等。场景中如果除了运动目标外还存在一些运动的背景物体，如果不抑制背景中的运动物体，这些虚假目标会表现出大量的虚警，直接影响感兴趣运动目标的提取。在视频监控中，较高的虚警率是导致检测系统失效的主要原因。动态背景影响场景光照的变化天气变化、灯光开启或关闭以及摄像机光圈自动调节均会导致光照发生较大变化，致使图像发生显著变化，提取的运动区域就不对应于任何运动目标，形成大面积虚警。基于卡尔曼滤波器的跟踪方法两种典型的跟踪方法基于特征光流法的跟踪方法1.基于卡尔曼滤波器的跟踪方法卡尔曼滤波器参数的修正第一步第二步第三步第四步线性卡尔曼滤波是美国工程师Kalman在线性最小方差估计的基础上,提出的在数学结构上比较简单的最优线性递推滤波方法。预测下一时刻目标的位置目标匹配搜索设置初始值01设置初始值02设置初始状态x0,P0,Q0和R1的初始值L/O/G/O*1.相邻两帧之间图像信号的变化信息，如果每帧之间无任何变化，则表明序列图像中没有物体的运动。2.实际成像过程中由于噪声的存在且相邻两帧视频图像在成像过程中的噪声不同，使得相邻两帧之间的差分图像中除了运动变化区域外还存在着噪声区域。3.提出一种方法，对经过全局运动补偿后的视频序列图像相邻两帧进行差分运算，然后再在差分图像中对噪声区域和运动变化区域进行划分从而检测出运动变化区域，最后在运动变化区域中根据视频运动目标的其他特征依据一定的算法分割出视频运动目标。4.知道粗略位置后，“均值滤波去噪”、“模版卷积法去噪”对K+l帧位于初略位置附近的区域进行处理，以确定运动目标。1.阈值选择得准确与否直接影响到二值的质量，如果太高，二值中判定为运动目标的区域会产生碎化现象；如果太低会引入大量的噪声。选择阈值T最常用的方法是利用灰度直方图求双峰或多峰，选择两峰之间谷底处的灰度值作为阈值2.适用于：固定背景，由于对环境变化比较敏感所以适用于环境较好的情况。1.估计出的完整背景同样适用于视频序列图像以后的各帧。2.以上分析是建立在不存在噪声的假设条件下，实际成像过程中由于不可避免地存在着噪声，所以如何消除噪声的影响是基于背景估计法视频运动目标检测算法的另一关键技术。几乎所有的检测算法均需要通过衡量当前图像与历史图像间的差异来判断是否有运动，大多数视觉特征都是受到光照变化的影响。*在搜索中要使用目标检测的结果,即将检测到目标的运动区域作为模板。在利用上一步计算得到的目标搜索区域范围内进行目标搜索。若在搜索范围内搜索到运动目标,并且只有一个,那么不再进行目标匹配搜索,直接认为搜索到的目标就是被跟踪的目标。若在搜索范围内搜索到不止一个目标时就需要进行目标匹配搜索,通常可以利用检测到的目标的邻接矩形作为搜索区域以缩小搜索范围。1.假设运动目标在序列首帧中的大概位置已经通过人工锁定或某种检测技术确定出来,所以跟踪中只处理目标及其附近部分的区域而非整幅。2.首先,从首帧中提取角点,得到角点链。对于以后各帧,不再提取角点,而是利用加权模板相关匹配算法求得上一帧中角点的匹配点,这样在得到本帧角点的同时,也得到了连续两帧图像间的特征光流和光流链;然后由“粗”到“精”对光流进行聚类,得到若干候选类。对每个候选类,计算其参数值,包括:类平均光流、类重心、类的形状模型、类的形状用凸多边形表示,并与曲线图相对应;然后根据相似准则从这些候选类中找出目标类;最后得到目标的精确外轮廓。运动目标检测与跟踪主讲人：刘健Contents现状和应用1目标检测的相关技术2目标跟踪的常用方法34结语现状运动目标检测与跟踪是在基于动态图像分析的基础上结合图像模式识别和图像跟踪方法对图像序列中的目标进行检测—识别—跟踪的过程，它是图像处理与计算机视觉领域中的一个非常活跃的分支，在最近二十几年间，随着计算机技术、CLSI技术与高