发布时间 : 星期三 文章静态场景下运动目标检测与跟踪算法研究更新完毕开始阅读
和最大灰度差分学习而模型化得到的;为了增强背景差分法对动态场景的鲁棒 性,〔16,17]和〔18,198分别提出了单高斯和多高斯背景模型来获取更精确的背 景描述用以目标检测\
综上所述,静态场景下的运动目标检测已经有了很大的发展,但是对于复 杂的场景还需要提出新的算法\
动态背景下的运动检测由于存在着目标与摄像机之间复杂的相对运动,所 以算法也要比静态背景下运动目标检测算法复杂的多,常用的动态背景下运动 检测算法有块匹配法!光流估计法!图像匹配法以及全局运动估计法等\1.2.2运动目标跟踪方法
运动目标跟踪近年来得到了广泛关注和长足发展, 现存的几种主要目标跟踪方法\()l基于特征匹配的目标跟踪算法 下面概要性地总结一下
基于特征匹配的目标跟踪方法是指根据目标特征利用某种匹配算法在序 列图像中寻找目标,进而跟踪运动目标\该算法的实现通常分为三步:第一步, 根据目标检测结果抽取目标的显著特征,如拐角!边界!有明显标一记的区域! 颜色等\第二步,在连续帧图像上寻找特征点的对应关系,也称为特征匹配\第三步,根据某种相似性度量方法,确定在当前帧中目标的最佳位置\区域特征是最常用的匹配特征之一\区域特征包括目标区域信息!边缘信 息!灰度分布信息!纹理特征等,由于包含了大量的目标信息,因此能在一定 程度上排除背景干扰,但也导致计算量很大\基于区域特征匹配的跟踪算法非 常适合于室外的目标跟踪,其最典型的算法是模板相关匹配算法20[,2.]\颜色也 是最常用的跟踪特征之一\使用了一种目标模板和当前帧图像颜色直方图 相比的比率直方图实现目标的实时跟踪,并着重研究了对小目标的改进方法;
2[38提出了基于人脸在Hvs颜色空间中的特征,利用均值偏移算法(Mena一ShiftAlgorithm)实现了对人脸的实时跟踪;〔24,258提出了基于目标颜色直方图分布
的均值漂移跟踪算法,并用Bhattacharyya距离作为目标模板和候选目标的相似 性度量方法,完成了对目标在任意场景下的实时跟踪;Huasdorsff巨离是最常 用的基于边缘特征的目标跟踪算法,用目标模板边缘和候选目标边缘两个点集 之间的最小距离作为相似性度量方法26[J;〔27〕提出了一种目标轮廓跟踪算法
)CONDEsATION算法,此算法利用蒙特卡罗方法(Mnoetcarlo)通过大量样本仿真得到一种无参统计模型,利用此模型可以表示任意目标的概率分布密 度,从而实现目标的实时跟踪\
但是在实际应用中环境是复杂多变的,往往一种目标特征无法保证跟踪的
有效性,所以就可以将多个目标特征结合起来联合完成对目标的有效跟踪\提出了将目标的颜色直方图模型和密度函数梯度模型联合的方法实现对人头 部的实时跟踪,扛298将目标的颜色特征距离和边缘特征距离以一定加权比例联 合组成总的相似性度量,并使用置信区域算法T(urstRgeoinAlgoritmh)优化目 标跟踪算法,实现目标的实时跟踪\
对于非刚体目标的跟踪主要有基于轮廓跟踪法,其中包括主动轮廓模型和 测量轮廓模型\前者是基于轮廓内目标能量最小的方法实现非刚体的目标跟 踪,后者是基于轮廓的几何测量最小的方法实现非刚体的目标跟踪\(2)基于运动的目标跟踪算法
基于运动的目标跟踪方法是利用图像序列中目标的运动信息来对目标进
行跟踪的方法\典型算法为特征光流法0[]\基于光流的方法也称为基于梯度的 方法,它的数学基础是著名的OFE(OpticalFlowEquation)公式\光流场技术是 一种从序列图像中进行运动分析的重要方法\它利用了灰度的变化信息,通常 可分两步实现\第一步是从图像序列的灰度变化中计算出速度场,这一步一般 需要计算灰度的一阶导数和二阶导数\第二步是利用一些约束条件,如利用聚 类分析等方法从速度场中估计物体结构和运动参数\光流的计算有局部优化和 全局优化两种\局部优化的光流计算方法能够准确地反映出运动边缘处的运动 信息,但是对于图像中的弱纹理区域不敏感;全局光流的计算方法能够得到每 个像素点处的光流,但是对于运动边界处的光流变化不敏感\
光流场方法的优点在于不需要目标的先验知识,计算比较精确\但是这山东大学硕士学位论文
种方法对照明变化和噪声较敏感,计算量也较大\而且由于实际景物中的速度 场不一定总是与图像中的直观速度场有唯一对应的关系,因此偏导数的计算又 会增加噪声量,使得基于光流场的方法在实际应用中常常不稳定\(3)基于频域的跟踪方法
从傅氏变换可以知道,空间域中的位移表现为频域中的相位差,通过计算
频域中的相位差就可以反过来求出空间域中的位移,这就是基于频域的跟踪方 法[30,3.]的理论基础\
在实际应用中,一般使用傅氏变换3z[珠口带通滤波器等做变换\小波33[,34l 也是一种非常重要的信号分析工具,可以用来进行运动分析\但是目前小波对 于运动分析来讲还并不十分有效,因为输入信号的一个小的扰动,就会引起小 波系数非常大的变化\
频域方法相比其它基于空域的方法有很多优点\首先,它对图像整体的亮 度变化不敏感,对噪声也不敏感\其次,有较高的定位精度,可以达到亚像素 级\此外,对匹配区域发生的一些小扰动具有一定的鲁棒性\但是,基于傅氏
变换的方法只对均匀背景下的目标运动有效\虽然可以采用局部窗口变换来尽 量避免这个问题,但是该算法的应用仍受到很大限制\,.3主要研究内容
本文主要围绕运动目标检测与运动目标跟踪这两个方面来展开课题研究\在研究过程中,首先对基本的算法进行实验,然后由易到难,逐步深入课题研 究\
在运动目标检测实验中,本文提出了在运动区域内使用对称差分法和背景
差分法检测运动目标的算法\该方法首先根据对称差分图像确定运动目标的运 动区域,然后在确定的运动区域内对背景差分图像和对称差分图像取/或0运 算\实验证明,这种算法减少了背景差分图像中的噪声对运动目标提取结果的 影响\
在模板相关匹配算法的研究中,针对模板相关匹配算法的计算量很大,不
能满足实时跟踪要求的缺点,本文采用基于金字塔的模板相关匹配跟踪算法\山东大学硕士学位论文
这种匹配算法分为/粗匹配0和/精匹配0两个阶段,由于在/粗匹配0阶段 去掉了许多跟目标无关的点,因此大大加快了匹配速度\
针对模板相关匹配算法在目标出现遮挡情况时跟踪效果较差的缺点,本文
使用基于Huasdor哪巨离模板匹配算法来跟踪在遮挡情况下的运动目标跟踪\基 于Hausdor哪巨离模板匹配算法对目标的遮挡!变形具有鲁棒性,但是当模板和
图像中边缘点较多时一,该方法计算量较大,因此本文提出了/优势点拣选法0\该算法根据Huasdorffl巨离的基本性质,首先根据Huadsorsff巨离的距离闭值选 出优势点,然后在优势点上进行Huasdor邢巨离计算,最后得出最佳匹配位置\实验证明,这种算法大大提高了Huasdorsff巨离计算速度,同时也保证了匹配 精度\
在基于Huasdorff距离模板匹配算法中,本文使用Kalmna滤波预测目标
在视频序列图像中的位置,并重点研究了观测噪声和过程噪声协方差的确定方 法\
1.4本文章节安排
第一章为绪论\本章首先介绍运动目标检测和跟踪算法的研究意义,然后
阐述了运动目标检测和跟踪的研究方法和研究现状,最后介绍了本文的主要研 究内容和本文的章节安排\
第二章主要研究怎样结合使用对称差分法和背景差分法提取出运动目标,
并介绍了其改进方法\本章还对基于混合高斯模型的自适应背景更新算法和自 适应%I]值确定方法进行了研究\
第三章是对基于金字塔的相关跟踪算法的研究\本章还研究了基于跟踪置 信度的自适应模板更新算法\
第四章是本文的研究重点,在这一章中详细描述了Huasdorff距离的定义! 性质!应用以及本文的创新部分一/优势点拣选法0\滤波是本章另外 一个研究重点,本文阐述了kalmna滤波的定义!性质和特点,并给出观测噪 声和过程噪声协方差的确定方法\
第五章总结本文所完成的工作,同时也提出了进一步研究方向\山东大学硕士学位论文 第二章运动目标检测 2.,引言
运动目标检测是整个视频监控系统的最底层,是目标跟踪!目标分类!目
标行为理解等的基础,因此运动目标检测是视频序列图像处理的关键环节\根 据序列图像的背景情况可以将运动目标检测划分为静态背景下运动目标检测 和动态背景下运动目标检测,本章主要研究静态背景下的运动目标检测算法\静态背景下的运动目标检测的方法主要可以分为三种:第一种是帧差法\
帧差法是基于时间序列图像上的差分图像实现运动目标的检测,它对动态环境 有很好的适应性,但不能提取出较完整的运动目标;第二种是背景差分法\背 景差分法是基于图像序列和参考背景模型相减实现运动目标的检测,它能够较 完整的提取出运动目标,但对光照和外部条件造成的动态场景变化过于敏感; 最后一种是光流法\光流法是对图像的运动场进行估计,将相似的运动矢量合 并形成运动目标检测的方法\光流法虽然能够直接用于摄像机运动下的目标检 测,但是大多数光流方法的计算复杂,不适于实时处理\
帧差法和背景差分法计算简单,实时处理效率高的特点,因此是最常用的
运动目标检测方法\本文根据这两种方法的优缺点,提出在运动区域内结合使 用对称差分法和背景差分法提取运动目标的方法\这种方法首先根据对称差分 图像确定运动区域,然后在确定的运动区域内对背景差分图像和对称差分图像 进行运动目标检测\实验证明,这种方法能够快速并较完整地提取运动目标\本章的安排如下:第一部分介绍帧差法!背景差分法和本文提出方法;第
二部分为自适应背景更新算法;第三部分介绍阂值的确定算法;第四部分介绍 中值滤波;第五部分给出了实验步骤和实验结果分析\
2.2运动目标检测方法 2.2.1帧差法
帧差法可分为相邻两帧图像差分法和连续三帧图像差分法I.51,其基本原山东大学硕士学位论文
理为通过计算相邻帧图像中像素点的灰度差计算出运动物体的位置和形状等 信息\下面我们分别阐述这两种方法\(幼相邻两帧图像差分法
相邻两帧图像差分法的计算过程可用公式(2.2.1)来表示\7O
久(,yx,一阵(-,夕,一-走一(-,夕)}一{1bac左gI闷oundofFground久(x,y)>Tb!(x,y)-T(2.2.1) 其中I!x(,y)!人_,x(,力为连续两帧图像,瓦x(,y)为帧差图像,T是二值 化设定的阂值\
基于两帧图像差分法的运动目标检测的主要优点是=.,5-:0]1)算法实现简 单,程序设计复杂度低;2)易于实现实时监控;3)对光照的适应性强,受目标 阴影的影响不大\
但是当相邻两帧图像的纹理!灰度等信息比较接近时,这种方法通常只能
得到运动物体的轮廓;而且当运动目标的速度较快导致相邻帧之间背景显露较 大时,容易把显露的背景检测为运动目标,在很大程度上影响了运动目标及其 特征参数的准确提取35[l\(2)对称差分法
为了克服相邻两帧图像差分法的缺点,我们采用对称差分法来提取目标的 运动轮廓\对称差分方法也称为连续三帧图像差分法,就是由三帧连续图像的 差值得到中间帧运动目标的轮廓,这种方法能够去除因为运动而显露的背景的 影响,从而得到准确的运动目标轮廓\对称差分方法的基本原理如下: 设I!一,x(,y)#I*x(,y)和I!!,x(,力分别表示三帧连续原图像,久一,,*x(,力和 b!,!十.x(,y)分别表示相邻两帧图像的差分后的二值图像,其计算方法为: bk一1!k,ofregruond background x,力一人 x,y)一I x,y) x,y)
b!k+lofreground background
}人十,(x,,)一I*(x,,){ }I!+,(x,,)一I*(x,,)} 重奕 里凳
1nUr||-.|!1八U 二 ,
其中不!兀为二值化图像的阂值\山东大学硕士学位论文
然后对差分图像瓦一1,*x(,y)和b*,!+,x(,力取逻辑与运算,得到对称差分图像 心x(,力,其计算公式为: