【畢業(yè)學位論文】（Word原稿）基于全方位視覺的多目標檢測跟蹤-測試計量技術(shù)及儀器計算機測控

碩士學位論文 論文題目 ： 基于全方位視覺的多目標檢測跟蹤 作者姓名 指導教師 學科專業(yè) 在學院 提交日期 2007 年 11 月 浙江工業(yè)大學碩士學位論文 基于全方位視覺的多目標檢測跟蹤 作者姓名 : 指導教師 : 浙江工業(yè)大學軟件學院 2007 年 11 月 007 浙江工業(yè)大學 學位論文原創(chuàng)性聲明 本人鄭重聲明：所提交的學位論文是本人在導師的指導下，獨立進行研究工作所取得的研究成果。除文中已經(jīng)加以標注引用的內(nèi)容外，本論文不包含其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果，也不含為獲得浙江工業(yè)大學或其它教育機構(gòu)的學位證書而使用過的材料。對本文的研究 做 出重要貢獻的個人和集體，均已在文中以明確方式標明。本人承擔本聲明的法律責任。 作者簽名： 日期： 年 月 日 學位論文版權(quán)使用授權(quán)書 本學位論 文作者完全了解學校有關(guān)保留、使用學位論文的規(guī)定，同意學校保留并向國家有關(guān)部門或機構(gòu)送交論文的復印件和電子版，允許論文被查閱和借閱。本人授權(quán)浙江工業(yè)大學可以將本學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存和匯編本學位論文。 本學位論文屬于 1、保密 ，在 _年解密后適用本授權(quán)書。 2、不保密 。 （請在以上相應(yīng)方框內(nèi)打 “”） 作者簽名： 日期： 年 月 日 導師簽名： 日期： 年 月 日浙江工業(yè)大學碩士學位論文 i 基于全方位視覺的多目 標檢測跟蹤 摘要 多 目標檢測與跟蹤 涉及 圖像處理、模式識別 等多個技術(shù)領(lǐng)域， 是計算機 視覺 系統(tǒng)中 的重要課題。 本文采用能 實時獲取水平方向 360場景圖 像的 全方位視覺 裝置，設(shè)計并驗證了 一種 新 的 多運動目標檢測與跟蹤 方法。本文 在綜述目前國內(nèi)外多目標跟蹤的研究現(xiàn)狀的基礎(chǔ)上，主要完成了以下研究工作 ： 在 運動目標檢測 方面， 提出 了 幀差法和背景減除法相結(jié)合的目標檢測方法。 利用 該 方法 檢測出運動 區(qū)域 并 二值化圖像 ， 應(yīng)用 數(shù)學形態(tài)學 去除圖像中的噪聲 ， 通過連通域標識和碎片合并得到各個運動目標，并提取各 運動目標的物理屬性參數(shù) ，通過實時更新背 景，提高目標檢測的準確性。 基于 波器和匹配矩陣 方法， 設(shè)計了 多目標 跟蹤算法 。所設(shè)計的算法用 波器 預測運動 目標 的 狀態(tài) ；用 匹配矩陣解決多目標跟蹤中多 個 目標 的 遮擋 、 遮擋目標分離 、 目標消失 、 目標新出現(xiàn) 等 情況。 實驗 結(jié)果 證明 了所提出方法的有效性 。 最后， 基于 形處理庫 ，以 C+為開發(fā)語言 ，設(shè)計 開發(fā) 了一個多目標檢測與跟蹤的原型 系統(tǒng)， 并進行了實驗驗證 。 浙江工業(yè)大學碩士學位論文 鍵詞 ： 全方位視覺，目標檢測，目標跟蹤，匹配矩陣， 浙江工業(yè)大學碩士學位論文 N to It is an in A 60 is in A is up On of of at of is as In of a of on is of by 江工業(yè)大學碩士學位論文 iv of is of of is An is to In as by an is + is by 浙江工業(yè)大學碩士學位論文 v 目 錄 摘要 . i . 一章 緒論 . 1 言 . 1 內(nèi)外多目標跟蹤研究現(xiàn)狀 . 2 頻檢測技術(shù)的發(fā)展與現(xiàn)狀 . 2 目標跟蹤技術(shù)的研究現(xiàn)狀 . 3 方位視覺的概述 . 4 方位視覺的介紹 . 4 方位視覺的應(yīng)用現(xiàn)狀 . 5 文研究的內(nèi)容和文章結(jié)構(gòu) . 7 章小結(jié) . 8 第二章 運動目標檢測 . 9 動目標檢測算法介紹 . 9 流法 . 9 差法 . 11 背景法 . 11 景減除和幀差結(jié)合檢測目標 . 13 像去噪處理 . 16 標分割 . 19 通域標識 . 19 法描述 . 20 標碎片合并 . 25 標表示 . 25 片合并 . 26 驗結(jié)果 . 26 章小結(jié) . 28 第三章 運動目標跟蹤 . 29 動目標預測 . 29 波器簡介 . 29 波器對運動目標預測的實現(xiàn) . 30 標匹配 . 33 定目標匹配度 . 33 立匹配矩陣 . 34 描匹配矩陣 . 35 標跟蹤 . 36 標跟蹤流程 . 36 標 跟蹤相關(guān)參數(shù)設(shè)置 . 36 目標跟蹤算法 . 37 目標跟蹤算法 . 38 浙江工業(yè)大學碩士學位論文 驗結(jié)果 . 40 目標實驗 . 40 目標實驗 . 44 章小結(jié) . 48 第四章 全方位目標檢測跟蹤設(shè)計與開發(fā) . 49 發(fā)目的與開發(fā)平臺 . 49 統(tǒng)詳細設(shè)計與實現(xiàn) . 50 計目標 . 50 統(tǒng)的功能 . 51 頻采集實現(xiàn) . 52 術(shù)介紹 . 52 紹 . 53 頻采集設(shè)計與實現(xiàn) . 55 標檢測實現(xiàn) . 56 標跟蹤實現(xiàn) . 59 章小結(jié) . 63 第五章 總結(jié) . 64 結(jié) . 64 一步工作 . 64 參考文獻 . 66 致謝 . 72 攻讀學位期間發(fā)表的學術(shù)論文目錄 . 73 浙江工業(yè)大學碩士學位論文 1 第一章 緒論 言 隨著計算機技術(shù)、通信技術(shù)、圖象處理技術(shù)的不斷發(fā)展，視覺監(jiān)控系統(tǒng)已經(jīng)逐漸成為一種重要的安全防范手段。運動目標檢測與跟蹤是視覺監(jiān)控的主要組成部分。 視覺監(jiān)控通過運動檢測得到圖像中的運動信息，提取圖像中的運動目標，然后對目標運動軌跡進行跟蹤。 多目標的快速實時跟蹤與識別是計算機視覺、圖像處理、模式識別領(lǐng)域中的熱點問題，也是難點問題?？焖?、準確的捕獲 目標在軍事、科研、工業(yè)等方面都有著極其重要的研究意義和價值 。 目前使用的大多數(shù)圖像系統(tǒng)是由視頻攝像機（或照相機）和鏡頭組成。多數(shù)鏡頭的投影成像模型是單個投影中心的透視。因為成像裝置（如 列）的大小有限，接收入射光時鏡頭周圍的阻擋，鏡頭只具有一個圓錐區(qū)域的小視野，而不是一個半球。為了獲得全方位圖像，旋轉(zhuǎn)成像系統(tǒng)（云臺）和采用魚眼鏡頭是兩種傳統(tǒng)的方法。旋轉(zhuǎn)成像系統(tǒng)獲得全景圖像的方法是繞投影中心旋轉(zhuǎn)成像系統(tǒng)，旋轉(zhuǎn)過程中獲得的一系列圖像拼接成場景（景物）的全景圖像。這種方法的缺點是需要旋轉(zhuǎn)運動的部件、系統(tǒng)難 以準確定位，并且要使成像系統(tǒng)旋轉(zhuǎn)一周才能獲得全景圖像，獲取全景圖像花費的時間長、存在著死區(qū)或者盲點，圖像處理算法復雜。所以這種方法一般只應(yīng)用于靜態(tài)場景和非實時應(yīng)用的領(lǐng)域。采用魚眼鏡頭取代傳統(tǒng)的鏡頭，因為魚眼鏡頭焦距非常短，可將成像系統(tǒng)的視野擴大到半個球或更大的場景。但是要設(shè)計制作使所有入射光交會于一點產(chǎn)生固定的視點的魚眼鏡頭十分困難。目前已經(jīng)商業(yè)化的魚眼鏡頭不能構(gòu)建場景的無失真的透視圖像；此外如果視野要半球，鏡頭更大更復雜，價格昂貴。 全方位視覺傳感器為實時獲取場景的全景圖像提供了一種新的解決方案。 全方位視 覺系統(tǒng) 特點是視野廣 （ 360 度 ） ，能把一個半球視野中的信息壓縮成一幅圖像，一幅圖像的信息量更大；獲取一個場景圖像時， 場景中的安放位置更加自由；監(jiān)視環(huán)境時 用瞄準目標；檢測和跟蹤監(jiān)視范圍內(nèi)的運動物體時算法更加簡單；可以獲得場景的實時圖像。 傳統(tǒng)視頻成浙江工業(yè)大學碩士學位論文 2 像系統(tǒng)的主要區(qū)別是增加了一個安裝在成像鏡頭前方的鏡子和一套相應(yīng)的計算機圖像處理軟件。把傳統(tǒng)的攝像頭改進成 ，產(chǎn)品的技術(shù)和價格優(yōu)勢十分明顯。例如，原先對道路交通（十字路口紅綠燈）的監(jiān)控需要四臺攝像設(shè)備，且監(jiān)控的算法非常復雜， 采用這種技術(shù)后僅需要一臺嵌入式全方位視覺系統(tǒng)就能實現(xiàn)同樣功能，同時也不會出現(xiàn)監(jiān)控盲區(qū)并能實現(xiàn)實時跟蹤監(jiān)控和有變化進行記錄。 內(nèi)外多目標跟蹤研究現(xiàn)狀 頻檢測技術(shù)的發(fā)展與現(xiàn)狀 視頻圖像的運動目標檢測是計算機視覺領(lǐng)域的一個重要研究課題，它在目標跟蹤、視頻監(jiān)控和精確制導領(lǐng)域有重要的應(yīng)用。運動目標檢測的目的是從序列圖像中將變化區(qū)域從背景圖像中提取出來，運動區(qū)域的有效分割對于目標分類、跟蹤、行為理解等后期處理至關(guān)重要 1。 近年來，國內(nèi)外學者對視頻圖像的運動目標檢測進行了許多研究，比較常用的 方法有光流法 ，幀差法和減背景法 。 光流法的優(yōu)點是能夠檢測獨立運動的對象 ，不需要預先知道場景的任何信息 ， 并且可用于攝像機運動的情況 ， 但多數(shù)光流法計算復雜耗時 ， 很難實現(xiàn)實時檢測 ； 使用相鄰幀差的算法非常適合于動態(tài)變化的環(huán)境 ， 但不能完整地分割運動對象 ， 當場景中運動目標沒有顯著運動時 ， 往往會在目標檢測時留下大面積的本應(yīng)屬于目標而卻未被檢測到的區(qū)域 。 背景差分法是目前運動分割中最常用的一種方法 ， 它是利用當前圖像與背景圖像的差分來檢測運動區(qū)域的一種技術(shù)。目前大部分研究人員都致力于開發(fā)不同的背景模型 ， 以期減少動態(tài)場景變化對運動 分割的影響。已有許多文章提出了各種背景建模方法 ，如 2利用最小、最大強度值和最大時間差分值為場景中每個像素進行統(tǒng)計建 ； 3建立了自適應(yīng)多高斯模型 ； 4利用像素色彩和梯度信息相結(jié)合的自適應(yīng)背景模型。 由于這三種方法各有優(yōu)缺點 有人提出許多方法的融合改進 ， 如基于邊緣的背景去除法 5， 但該類方法存在著由于運動目標邊緣與背景邊緣可能有一定交迭 ， 使部分運動目標信息被去除的缺點 。 又如 6提出一種獲取運動物體精確位置的方法 ， 但計算量大并且有一幀 時間的滯后浙江工業(yè)大學碩士學位論文 3 性 。 目標跟蹤技術(shù)的研究現(xiàn)狀 跟蹤過程中目標的暫時消失、相互遮擋導致目標信息丟失 ， 如何在復雜情況中跟蹤目標、獲得目標的運動軌跡是難點之一。目前國內(nèi)外一些知名專家學者對多運動目標匹配問題，國內(nèi)外的研究主要有： 楊勇等使用單模態(tài)背景模型，用連通檢測的方法分割出目標，取得目標信息，采用特征參數(shù)匹配的方法跟蹤目標，對實際中出現(xiàn)的目標停止移動、被背景遮掩和相交運動等情況做了分析，但是其研究是在靜止背景條件下的 7。萬琴等針對固定監(jiān)控場景提出的運動目標檢測與跟蹤方案 8，利用像素梯度及色度 均值、方差分布建立并實時更新背景模型。在目標跟蹤模塊 ， 引入卡爾曼濾波器預測目標參數(shù) ， 建立幀間目標匹配矩陣完成目標匹配。但她的方法主要存在的不足是不能完整、準確地分割前景目標；視場中有四個以上的目標、目標運動情況復雜多變時 ， 算法準確度降低。 蔡征等 應(yīng)用 波完成運動預測 ， 在關(guān)聯(lián)匹配中提出了一種代價函數(shù)方法 ， 通過分析運動特性提出了幾種補償算法 ， 有效解決了跟蹤中的重合、目標暫時消失等問題 ， 實現(xiàn)了對目標的正確跟蹤 9，其主要缺點是背景不能及時更新。 文獻 10中介紹了運動檢測時運用基于條件的形態(tài)學重建有效地來消除陰影和光白，運動跟蹤時運用時間模板地方法和 的方法不適合在過多目標重合和長時間重合的情況下。, , 決了靜止攝像機下跟蹤識別剛性非剛性物體互相作用的情況 11。該方法用形狀來跟蹤目標，顯然對于目標變形的情況下會匹配錯誤。 波結(jié)合顏色信息來檢測跟蹤多個運動目標 12。 uo . 樣條曲面的方法彈性匹配目標，從而實時跟蹤多目標 13。 浙江工業(yè)大學碩士學位論文 4 方位視覺的概述 方位視覺的介紹 全方位圖像 (稱基于反射鏡面的圖像 (是由全方位視覺設(shè)備生成的一種圖像。全方位視覺設(shè)備由一個 光鏡負責將水平一周的 圖像反射給攝像機成像 （如圖 1示） 。這樣在一幅圖像中就能獲得水平方向 360 度的環(huán)境信息。由于全方位圖像有較大的視野，使全方位視覺系統(tǒng)適用于某些大視野的應(yīng)用。隨著計算機處理能力的提高以及視覺傳感器件的普遍應(yīng)用，進入 21 世紀后，基于 全方位視覺系統(tǒng)近幾年迅速發(fā)展， 迅速應(yīng)用于監(jiān)控領(lǐng)域和機器人視覺引導，正成為計算機視覺研究中的重要領(lǐng)域， 2000 年開始舉辦每年一次的全方位視覺的專門研討會（ 最近的一屆于 2005 年 10 月在北京舉行，會上交流全方位視覺攝像機的成像理論和具體的應(yīng)用研究成果，會上交流的研究成果越來越多。可以預見，全方位視覺將成為計算機視覺領(lǐng)域中的一個重要的研究內(nèi)容。 圖 1方位 視覺 設(shè)備 使用全方位視覺的主要優(yōu)點為： 浙江工業(yè)大學碩士學位論文 5 1、 信息量大。全方位視覺傳感器視野廣，能把一個半球視野中的信息壓縮成一幅圖像。而這原來需要 4攝像機同時拍攝才能達到同樣的效果。 2、 安裝方便。在獲取全景圖像 時 ，利用全方位視覺傳感器安裝位置自由，可以替代原來多個攝像頭， 從而大大減少了投資所需要的成本。 3、 觀察方便。在 監(jiān)控的過程中，全方位視覺傳感器不用瞄準目標就能監(jiān)視其行為。此外，通過全方位的展開軟件，還可以生成全景 圖像 ，即在一幅場景上即可以觀察 360 度的環(huán)幕場景，改變了以往需多個場景同時觀看才能獲得的總體信息 的情況 ，減少了監(jiān)控人員的總體工作量。 全方位視覺帶來的缺點是為彌補以上的優(yōu)點所付出的代價。 1、全方位視覺圖像由于拍攝時存在 圖像被扭曲的現(xiàn)象，不符合人的觀察習慣，需要進行轉(zhuǎn)換，才能生成人能所理解的圖像內(nèi)容。 2、圖像精確度的降低。這包括兩大方面：一是一張圖片中容納了更多的信息，必然導致圖像部分細節(jié)方面的丟失。二是 在轉(zhuǎn)換成人能所理解的圖像內(nèi)容時，也會丟失掉部分的圖像信息。 3、成像時點的不均勻性，空間中的信息在全方位圖像上成像時，其成像密度存在著很大的差別。反射鏡面曲率越大，圖像的不均勻性越嚴重。 方位視覺的應(yīng)用現(xiàn)狀 全方位視覺的研究，具有十分巨大的實際意義。無論是靜態(tài)圖像還是運動檢測，無論是在消費市場還是在產(chǎn)業(yè)，全方位視覺的應(yīng)用領(lǐng)域都十分廣闊，單是監(jiān)控市場就十分巨大。全方位視覺傳感器由于其獨特的 360 度全景成像能力、成像的旋轉(zhuǎn)不變性、更全面的環(huán)境信息和較低的分辨率等特點，是建立低成本高性能全景圖像系 統(tǒng)的最佳方案。 全方位視覺由于其特性，非常適合于需要大視野的應(yīng)用，故國外研究者在全方位視覺的具體應(yīng)用上也做了大量的研究，主要的研究方向如下： 1、視頻監(jiān)控 由于全方位視覺的特性，可用于代替多個普通的攝像頭來進行視頻的監(jiān)控，在十字路口一次性可以查看幾條道路的通行情況，在房間的結(jié)合處安裝一個全方浙江工業(yè)大學碩士學位論文 6 位視覺設(shè)備可一次性查看兩個或多個房間的情況。同時在該應(yīng)用上發(fā)展出來針對全方位視覺的人體檢測與跟蹤。 4設(shè)計了一個將拋物面全方位圖像恢復成全景圖和透視圖后用于監(jiān)控和檢測的實例。 5提出了一種全方位視覺條件下基于時空分析的步態(tài)檢測方法。 2、視頻會議 視頻會議是當今研究的熱點之一，視頻會議相對于傳統(tǒng)的會議，大大節(jié)省了人力和成本。而在會議中使用全方位視覺設(shè)備，在一個圓桌中不需要硬件的切換可以獲得全部參與會議者的視頻信息。微軟公司 究院曾做過該方面的一系列研究，并給出了軟硬件的實現(xiàn)環(huán)境與實現(xiàn)方法 16。慕尼黑工業(yè)大學的研究者提出了使用全方位視覺視頻會議時的一些臉部跟蹤方法 17。 8等提出全方位視頻會議時的會議者的追 蹤，跟據(jù)臉部的人物識別等方法。 3、機器人導航 將全方位視覺應(yīng)用于機器人導航是全方位視覺應(yīng)用的重點，也是全方位視覺應(yīng)用研究人員最多，研究成果最多的應(yīng)用。傳統(tǒng)的機器人視覺系統(tǒng)主要是采用常規(guī)鏡頭的攝像機直接獲取場景的信息，這種方法的主要問題是視場角較小，只能獲取視野有限的局部信息，為獲取大視野場景圖像，可將單個鏡頭旋轉(zhuǎn)或多個普通鏡頭水平組合得到。但這種方法的問題是不同位置攝像機光心的物理位置不能真正重合，因此定位精度底。所以近二十年來人們開始研究基于單個曲面反射鏡面的全方位攝像機系統(tǒng)實現(xiàn)機器人定位。最早日本大坂 大學的 9 91 年設(shè)計了錐面反射鏡的全方位視覺傳感器用于室內(nèi)環(huán)境中的機器人導航，在他的后續(xù)研究中，分別對該機器人導航方法進行了碰撞檢測研究、建立簡單室內(nèi)環(huán)境地圖研究與檢測未知障礙物研究。 1997 年，卡內(nèi)基梅隆大學研制的利用全方位視覺系統(tǒng)導航的機器人在 40 天內(nèi)走過 200功穿越智利的阿塔卡馬沙漠。3等人將全方位視覺設(shè)備用于無人駕駛直升機的導航。 4、虛擬現(xiàn)實 虛擬現(xiàn)實就是一種可以創(chuàng)建和體驗虛擬世界的計算機系統(tǒng)。這種系統(tǒng)生成的各種虛擬環(huán)境 ， 作用于用戶的視 覺、聽覺、觸覺 ， 使用戶產(chǎn)生身臨其境的感覺 ，沉浸其中。由于全方位視覺大視野的特性，減少了生成虛擬環(huán)境時信息采集的工浙江工業(yè)大學碩士學位論文 7 作量。根據(jù)生成方式不同的分類，虛擬現(xiàn)實系統(tǒng)可分為基于實景圖像的虛擬現(xiàn)實系統(tǒng)與基于幾何模型圖形構(gòu)造的虛擬現(xiàn)實系統(tǒng) 24。在基于實景圖像應(yīng)用的虛擬現(xiàn)實系統(tǒng)方面， . 5人提出了如何對大量的全方位圖像進行采樣、有層次的壓縮與存儲，構(gòu)建出一個交互式的虛擬空間，使用者可以在里面自由走動。 7等分析并比較了基于全光建模 (三種方法。在基于幾何模型圖形構(gòu)造研究方面。 2001 年用一張全方位圖像通過人工選定的方法構(gòu)建出空間三維造型。大量的三維景物重建的工作都基于兩張圖像以上的匹配，以 重建工作最為典型 28。 9 2003 年提出了一種通過少量全方位圖片來進行空間三維信息的恢復方法 ， 并給出了可靠點的選擇方法。而 1等人則提出了在全景圖基礎(chǔ)上的景物重建方法。 文研究的內(nèi)容和文章結(jié)構(gòu) 本文主要的研究 內(nèi)容是利全方位設(shè)備，實現(xiàn)在全方位視頻的動態(tài)背景下多個運動目標的檢測識別與跟蹤。對于 有 多個運動目標 的視場 只需要一個全方位攝像機就可以對每一目標進行檢測并跟蹤，同時解決多個目標相互遮擋，遮擋目標分離，新目標出現(xiàn)，目標消失等情況。 本文主要目標是 設(shè)計一種新的全方位視覺監(jiān)視系統(tǒng) ， 用來對多個運動目標進行實時運動檢測跟蹤。 其中 主要研究內(nèi)容包括：運動區(qū)域檢測，運動目標分割，運動目標跟蹤。 本文共分為五章，具體安排如下： 第一章：作為文章的緒論，介紹了本文涉及的基本概念，研究背景， 研究現(xiàn)狀 ，研究內(nèi)容等。 第二章：介紹了 運動目 標檢測的基本算法，提出了幀差和減背景相結(jié)合的運動目標檢測方法，并介紹了用形態(tài)學方法對圖像進行去噪，用連通域標識的方法對目標進行分割，最后還考慮了如何處理目標碎片的問題。 第三章： 該章重點對目標跟蹤實現(xiàn)進行了詳細的介紹。主要包括：運動目標預測，目標匹配算法，目標跟蹤算法。在對多目標進行跟蹤的過程中分析了目標可能會出現(xiàn)的復雜情況， 多目標合并，目標分離，目標消失，目標新出現(xiàn)等情況。 浙江工業(yè)大學碩士學位論文 8 第四章：該章對 基于全方位視覺的多目標檢測跟蹤系統(tǒng)，在開發(fā)平臺，詳細設(shè)計，具體實現(xiàn)上分別作了詳細介紹。 第五章：全文的總結(jié)以及進一步的 工作。該章對前面各章節(jié)所做的工作進行了歸納與總結(jié)，并探討了作者對下一步研究的一些設(shè)想。 章 小 結(jié) 本章 綜述了視頻檢測技術(shù)的發(fā)展與現(xiàn)狀，國內(nèi)外目標跟蹤技術(shù)的研 究 現(xiàn)狀，并對 用全方位視覺設(shè)備實現(xiàn)多目標檢測跟蹤做了一個基本的介紹 ，包括 全方位視覺優(yōu) 點 和應(yīng)用現(xiàn)狀 。 最后對 本文所研究的主要內(nèi)容 及各章節(jié)的安排 進行簡短的概述。 浙江工業(yè)大學碩士學位論文 9 第二章 運動目標檢測 動目標檢測算法介紹 流法 光流是空間運動物體被觀測面上的像素點運動產(chǎn)生的瞬時速度場，包含了物體 3D 表面結(jié)構(gòu)和動態(tài)行為的重要信息 32。 一般情況下，光流由相機運動、場景中目標運動，或兩者的運動產(chǎn)生。當場景中有獨立的運動目標時，通過光流分析可以確定運動目標的數(shù)目、運動速度、目標距離和目標的表面結(jié)構(gòu)。 對于 光流 的研究已經(jīng)在環(huán)境建模、目標檢測與跟蹤、自動導航及視頻事件分析中得到了廣泛的應(yīng)用 33 在空間中，運動可以用運動場描述。而在一個圖像平面上，物體的運動往往是通過圖像序列中不同圖 像 灰度分布的不同體現(xiàn)的。從而，空間中的運動場轉(zhuǎn)移到圖像上就表示為光流場，光流場反映了圖像上每一點灰度的變化趨勢。光流可以看作帶有灰度的像素點在圖像平面運動產(chǎn)生 的瞬時速度場。 光流方程推導：假設(shè) E( , , )x y t 為 (x,y)點在時刻 t 的 灰度 。設(shè) t+刻該點運動到 (x+dx,y+，他的灰度為 E ( , , )x d x y d y t d t 。我們認為，由于對應(yīng)同一個點，所以 E ( , , ) E ( , , )x y t x d x y d y t d t (2將上 面 光流約束方程 式右邊做泰勒展開，并令 ，則得到： E E E 0x u y v t ，其中： E E/x d E E/y d E E/t d /u dx /v dy 上面的 y,計算都很簡單，用離散的差分代替導數(shù)就可以了。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。但是由于只有一個方程，所以這是個病態(tài)問題。 故而 人們提出了各 種其他的約束方程以聯(lián)立求解。但是 當 用于浙江工業(yè)大學碩士學位論文 10 攝像機固定的這一特定情況，問題可以大大簡化。 在攝像機固定的情形下，運動物體的檢測其實就是分離前景和背景的問題。對于背景理想情況下，其光流應(yīng)當為 0，只有前景才有光流。并不 需要 通過求解光流約束方程求出 u,v。 只要求出亮度梯度方向的速率就可以了，即求出22。 而由 光流 約束方程可以很容易求得 梯度 方向的光流速度為： 22E / E EV t x y (2因此 設(shè)定一個閾值 T。 ( , ) T ( , )( , ) T ( , )V x y x yV x y x y， 是 前 景， 是 背 景(2光流計算方法大致可分為三類：基于匹配的、頻域的或梯度的方法。 基于匹配的光流計算方法包括基于特征和區(qū)域的兩種?；谔卣鞯姆椒ú粩嗟貙δ繕酥饕卣鬟M行定位和跟蹤，對目標大的運動和亮度變化具有魯棒性。存在的問題是光流通常很稀疏，而且特征提取和精確匹配也十分困難?；趨^(qū)域的方法先對類似的區(qū)域進行定位，然后通過相似區(qū)域的位移計算光流。這種方法在視頻編碼中得到了廣泛的應(yīng)用。然而，它計算的光流仍不稠密。另外，這兩種方法估計像素精度的光流也 較 困難，計算量很大。在考慮光流精度和稠密性時，