机器视觉 课件 屈桢深 第6--10章- 运动估计与滤波--机器视觉应用实例 .pptx

机器视觉：6.运动估计与滤波

目标跟踪光流估计背景提取运动模型与滤波

背景提取背景建模基本思想基于单一高斯模型的背景建模混合高斯模型基于混合高斯模型的背景建模

1.1背景建模基本思想Part14当相机静止时，图像采集场景保持不变，因此图像中的每个像素可分为两类：背景和前景，其中前景对应运动目标。只要确定像素类别，进一步就可利用之前的图像标记等方法对运动目标前景进行进一步的处理分析。背景建模的核心问题：如何在存在光照干扰、不同目标运动速度的情况下准确对各像素进行分类背景建模基本思想

1.1背景建模基本思想Part15基本背景建模方法：帧间差分法原理：将基于时间序列图像中相邻两帧或几帧图像逐个像素进行对比，得到一幅差值图像；再通过事先确定的阈值对差值图像进行二值化处理，如果大于指定阈值，则认为是前景。当使用两帧图像时，帧间差分法可表示为：背景建模基本方法——帧间差分法

1.1背景建模基本思想Part16帧间差分法实例优点：计算简单、计算量小、对光线变化不敏感缺点：容易造成实体内部空洞，差分间隔需要根据运动目标的速度选择，选择不当会影响背景提取精确度。背景建模基本方法——帧间差分法

1.2基于单一高斯模型的背景建模Part17?单一高斯模型——基本思想

1.2基于单一高斯模型的背景建模Part18正态分布曲线呈对称形态，由两个参数决定：均值和标准差。均值决定正态曲线峰值的位置，表示数据的集中趋势；标准差则决定正态曲线的形状。当较大时，曲线更为平缓，表示数据分散程度较高；而较小时，曲线更陡峭，表示数据分布较为紧密。对于标准正态分布曲线，其与x轴围成的面积为1。单一高斯模型——基本思想

1.2基于单一高斯模型的背景建模Part19?单一高斯模型——基本思想

1.2基于单一高斯模型的背景建模Part110?单一高斯模型——基本思想

1.2基于单一高斯模型的背景建模Part111?单一高斯模型——基本思想

1.2基于单一高斯模型的背景建模Part112?单一高斯模型——改进方法

1.2基于单一高斯模型的背景建模Part113?单一高斯模型——多元高斯模型

1.2基于单一高斯模型的背景建模Part114Σ是协方差矩阵。当处理彩色或其他类型多通道图像时，可将每一像素视为多维向量，使用多元高斯模型建模。此时背景的判别需对每一分量依次进行；所有分量满足3σ准则时则认为其属于背景。单一高斯模型——多元高斯模型

1.3混合高斯模型Part115简单场景使用单一高斯模型，处理速度快，分割对象比较完整。复杂背景像素值可能在多个亮度区间跳变，不能用单一高斯分布建模。

1.3混合高斯模型Part116混合高斯模型：将观测数据的分布视为多个高斯分布的线性组合每个高斯分布代表数据中的一个子集或类别，这些子集可能对应于不同的背景状态或运动模式。每个分布均可用多个高斯分布线性组合描述。

1.3混合高斯模型Part117把高斯分布函数视为高斯基，几乎任意形状的概率密度函数均可以通过在高斯基上进行线性展开来近似，即混合高斯模型具有普遍适用性。

1.4基于混合高斯模型的背景建模Part118混合高斯模型背景建模方法由Stauffer等提出。该方法为每个像素建立Q个高斯模型，一般Q取3～5，使模型克服外界环境影响。在背景无运动物体的时候，连续采N帧图像，用来实现对背景模型的初始化。混合高斯模型背景建模——基本思想

1.4基于混合高斯模型的背景建模Part119?混合高斯模型背景建模——基本思想

1.4基于混合高斯模型的背景建模Part120?混合高斯模型背景建模——算法步骤

1.4基于混合高斯模型的背景建模Part121?混合高斯模型背景建模——算法步骤

1.4基于混合高斯模型的背景建模Part122?混合高斯模型背景建模——算法步骤

1.4基于混合高斯模型的背景建模Part123?混合高斯模型背景建模——算法步骤

1.4基于混合高斯模型的背景建模Part124?混合高斯模型背景建模——算法步骤

1.4基于混合高斯模型的背景建模Part125背景提取效果示意图如图，测试所用视频采集来自于某路口拍摄图像序列，摄像机固定安装在道路右侧车道上方。使用前述MoG背景提取算法对背景进行学习，学习速率α=0.002。混合高斯模型背景建模——效果

1.4基于混合高斯模型的背景建模Part126混合高斯模型背景建模——效果

光流估计基本光流方程Lucas-Kanade算法金字塔光流法Horn-Schunck算法

2.1基本光流方程Part228人们观察三维世界中目标的运动时，运动目标的轮廓会在人的视网膜上形成一系列连续变化的图像，这些连续变化 的信息不