視頻目標(biāo)檢測跟蹤算法綜述

《視頻目標(biāo)檢測跟蹤算法綜述》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、-視頻目標(biāo)檢測與跟蹤算法綜述1、引言運(yùn)動目標(biāo)的檢測與跟蹤是機(jī)器視覺領(lǐng)域的核心課題之一，目前被廣泛應(yīng)用在視頻編碼、智能交通、監(jiān)控、圖像檢測等眾多領(lǐng)域中。本文針對視頻監(jiān)控圖像的運(yùn)動目標(biāo)檢測與跟蹤方法，分析了近些年來國內(nèi)外的研究工作及最新進(jìn)展。2、視頻監(jiān)控圖像的運(yùn)動目標(biāo)檢測方法運(yùn)動目標(biāo)檢測的目的是把運(yùn)動目標(biāo)從背景圖像中分割出來。運(yùn)動目標(biāo)的有效分割對于目標(biāo)分類、跟蹤和行為理解等后期處理非常重要。目前運(yùn)動目標(biāo)檢測算法的難點(diǎn)主要體現(xiàn)在背景的復(fù)雜性和目標(biāo)的復(fù)雜性兩方面。背景的復(fù)雜性主要體現(xiàn)在背景中一些噪聲對目標(biāo)的干擾，目標(biāo)的復(fù)雜性主要體現(xiàn)在目標(biāo)的運(yùn)動性、突變性以及所提取目標(biāo)的非單一性等等。所有這些特點(diǎn)使得

2、運(yùn)動目標(biāo)的檢測成為一項(xiàng)相當(dāng)困難的事情。目前常用的運(yùn)動目標(biāo)檢測算法主要有光流法、幀差法、背景相減法，其中背景減除法是目前最常用的方法。2.1幀差法幀差法主要是利用視頻序列中連續(xù)兩幀間的變化來檢測靜態(tài)場景下的運(yùn)動目標(biāo)，假設(shè)和分別為圖像序列中的第k幀和第k+1幀中象素點(diǎn)(x，y)的象素值,則這兩幀圖像的差值圖像就如公式2-1所示：(2-1)2-1式中差值不為0的圖像區(qū)域代表了由運(yùn)動目標(biāo)的運(yùn)動所經(jīng)過的區(qū)域（背景象素值不變），又因?yàn)橄噜徱曨l幀間時(shí)間間隔很小，目標(biāo)位置變化也很小，所以運(yùn)動目標(biāo)的運(yùn)動所經(jīng)過的區(qū)域也就代表了當(dāng)前幀中運(yùn)動目標(biāo)所在的區(qū)域。利用此原理便可以提取出目標(biāo)。下圖給出了幀差法的基本流程：1

3、、首先利用2-1式得到第k幀和第k+1幀的差值圖像；2、對所得到的差值圖像二值化（如式子2-2示）得到Qk+1；3、為消除微小噪聲的干擾，使得到的運(yùn)動目標(biāo)更準(zhǔn)確，對進(jìn)行必要的濾波和去噪處理，后處理結(jié)果為。（T為閾值）（2-2）.---幀差流程圖從結(jié)果看在簡單背景下幀差法基本可檢測到運(yùn)動目標(biāo)所在的位置，而且計(jì)算簡單，復(fù)雜度低。當(dāng)圖像采樣間隔較小時(shí)，幀差法對圖像場景變化不敏感，這是幀差法的優(yōu)點(diǎn)，但同時(shí)目標(biāo)部分漏檢的可能性增大了，容易使檢測到的目標(biāo)出現(xiàn)空洞。在實(shí)際應(yīng)用中，由于幀差法的簡易性，幀差法經(jīng)常作為某些改進(jìn)算法的基礎(chǔ)。2.2光流法光流的概念[30,31]是由Gibson在1950年首先提出的

4、，光流理論在計(jì)算機(jī)視覺，三維運(yùn)動分析中有著非常廣泛的作用。外界物體由于運(yùn)動在人的視網(wǎng)膜上產(chǎn)生一系列連續(xù)變化的信息，這些信息就如同是光的流一樣不斷從眼中流過，故此稱之為光流。1981年Horn和Schunck創(chuàng)造性的將二維速度場和我們通常所說的圖像的灰度聯(lián)系在一起，提出了光流約束方程，從而使得光流的計(jì)算有了最基本的方法。隨后光流法不斷發(fā)展，按照理論基礎(chǔ)分為：微分法，快匹配法，基于能量的方法，基于相位的方法，其中尤以微分法最為常用，該方法主要是基于下面兩種假設(shè)：1、強(qiáng)度不變假設(shè)，即在一組連續(xù)的二維圖像序列中，某個(gè)目標(biāo)的運(yùn)動軌跡在各幀中對應(yīng)的像素點(diǎn)具有相同的灰度值。2、全局平滑假設(shè)，即物體的運(yùn)動矢

5、量是局部平滑的或只有緩慢變化。特別是剛體運(yùn)動，各相鄰像素點(diǎn)具有相同的運(yùn)動速度，即速度平滑。這時(shí)，光流矢量梯度的模值的平方應(yīng)該最小，用x和y分量的拉普拉斯算子的平方和來表征光流場的平滑程度。假如給定一個(gè)圖像上m點(diǎn)坐標(biāo)為(x，y),且它在t時(shí)刻的象素值為在時(shí)刻該點(diǎn)運(yùn)動到，象素值為：則在強(qiáng)度不變的假設(shè)下：（2-3）.---公式2-3即為光流約束方程，將式2-3泰勒展開，并令趨于0，我們可以得到：（2-4）其中，，，，，即為像素點(diǎn)在圖像平面運(yùn)動產(chǎn)生的瞬時(shí)速度場也即光流場。光流法的主要任務(wù)就是通過求解光流約束方程求出u、v，但是由于只有一個(gè)方程，并不能唯一確定u和v，這就用到了第二個(gè)假設(shè)，在該假設(shè)下就

6、是要使得：（2-5）其中α是個(gè)權(quán)重系數(shù)，一般取0.5,這樣聯(lián)合(2-4)式和(2-5)式即可得到：（3-6）從推導(dǎo)的過程看，光流法的計(jì)算非常復(fù)雜，難于滿足實(shí)時(shí)性的要求，且在目標(biāo)提取時(shí)對噪聲很敏感，所以此算法還難以直接在實(shí)際中推廣使用。2.3背景減除法背景減除法是將視頻幀與背景模型進(jìn)行比較，通過判定灰度等特征的變化，或用直方圖等統(tǒng)計(jì)信息的變化來判斷異常情況的發(fā)生和分割出運(yùn)動目標(biāo)?；诒尘安畹姆椒?，概念非常清晰。該方法與幀差法相比，可以檢測出短時(shí)間靜止的目標(biāo)，如短時(shí)間靜止的車輛(長時(shí)間靜止的車輛可以歸為背景)，且不受車速快慢的限制；與光流法相比，背景差法可以通過簡化算法，降低計(jì)算量，滿足視頻檢測

7、的實(shí)時(shí)性要求。但隨著研究的不斷深人，算法的復(fù)雜性也在不斷提高，特別是對較復(fù)雜場景下的前景（運(yùn)動目標(biāo)）檢測，如針對光照變化場景下的目標(biāo)檢測(室外的環(huán)境光、室內(nèi)的燈光等)，針對含有高噪聲場景區(qū)域的目標(biāo)檢測(場景中含有樹木、水面、旗幟等物體的反復(fù)運(yùn)動)，針對場景頻繁發(fā)生改變(車輛停止、背景中物體搬動等)情況下的目標(biāo)檢測等問題，使得算法的復(fù)雜性大大提高。用背景減除法進(jìn)行運(yùn)動目標(biāo)檢測的主要過程包括預(yù)處理、背景建模、前景