運(yùn)動(dòng)視頻目標(biāo)檢測(cè)識(shí)別跟蹤

1、視頻運(yùn)動(dòng)目標(biāo)檢測(cè)識(shí)別跟蹤1 研究框架研究框架可以歸納為三方面： 1.運(yùn)動(dòng)的感知技術(shù)；2.目標(biāo)匹配和識(shí)別技術(shù)（解決what問題）；3.目標(biāo)跟蹤和空間定位技術(shù)（解決where問題）。2 研究方法1） 視頻檢測(cè)技術(shù)：目前常用的視頻檢測(cè)方法可分為如下幾類：光流法，時(shí)域差分法，背景消減法，邊緣檢測(cè)法，運(yùn)動(dòng)矢量檢測(cè)法。 1、光流法光流法是一種以灰度梯度基本不變或亮度恒定的約束假設(shè)為基礎(chǔ)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)的有效方法。光流是指圖像中灰度模式運(yùn)動(dòng)的速度，它是景物中可見的三維速度矢量在成像平面上的投影，表示了景物表面點(diǎn)在圖像中位置的瞬時(shí)變化，一般情況下，可以認(rèn)為光流和運(yùn)動(dòng)場沒有太大區(qū)別，因此就可以根據(jù)圖像運(yùn)動(dòng)來估

2、計(jì)相對(duì)運(yùn)動(dòng)。優(yōu)點(diǎn)：光流不僅攜帶了運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)信息，而且還攜帶了有關(guān)景物三維結(jié)構(gòu)的豐富信息，它能夠檢測(cè)獨(dú)立運(yùn)動(dòng)的對(duì)象，不需要預(yù)先知道場景的任何信息，并且能夠適用于靜止背景和運(yùn)動(dòng)背景兩種環(huán)境。缺點(diǎn)：當(dāng)目標(biāo)與背景圖像的對(duì)比度太小，或圖像存在噪音時(shí)，單純地從圖像灰度強(qiáng)度出發(fā)來探測(cè)目標(biāo)的光流場方法將會(huì)導(dǎo)致很高的虛警率。且計(jì)算復(fù)雜耗時(shí)，需要特殊的硬件支持。 2、時(shí)域差分法時(shí)域差分法分為幀差法和改進(jìn)的三幀雙差分法。幀差法是在圖像序列中的相鄰幀采用基于像素點(diǎn)的時(shí)間差分, 然后閾值化來提取出運(yùn)動(dòng)區(qū)域。視頻流的場景具有連續(xù)性，在環(huán)境亮度變化不大的情況下，圖像中若沒有物體運(yùn)動(dòng)，幀差值會(huì)很??；反之若有物體運(yùn)動(dòng)則會(huì)引

3、起顯著的差值。優(yōu)點(diǎn)：時(shí)域相鄰幀差法算法簡單，易于實(shí)現(xiàn)，對(duì)背景或者光線的緩慢變化不太敏感，具有較強(qiáng)的適應(yīng)性，能夠快速有效地從背景中檢測(cè)出運(yùn)動(dòng)目標(biāo)。缺點(diǎn)：它不能完全提取運(yùn)動(dòng)目標(biāo)所有相關(guān)像素點(diǎn)，在運(yùn)動(dòng)實(shí)體內(nèi)部不容易產(chǎn)生空洞現(xiàn)象。而且在運(yùn)動(dòng)方向上被拉伸，包含了當(dāng)前幀中由于運(yùn)動(dòng)引起的背景顯露部分，這樣提取的目標(biāo)信息并不準(zhǔn)確。三幀雙差分法與相鄰幀差法基本思想類似，但檢測(cè)運(yùn)動(dòng)目標(biāo)的判決條件上有所不同。三幀雙差分較兩幀差分提取的運(yùn)動(dòng)目標(biāo)位置更為準(zhǔn)確。 3、背景消減法背景消減法是將當(dāng)前幀與背景幀相減，用閾值T判斷得到當(dāng)前時(shí)刻圖像中偏離背景模型值較大的點(diǎn)，若差值大于T則認(rèn)為是前景點(diǎn)（目標(biāo)）；反之，認(rèn)為是背景點(diǎn)，從

4、而完整的分割出目標(biāo)物體。背景消減法檢測(cè)準(zhǔn)確，能夠提取出完整的目標(biāo)信息。但背景圖像建立的準(zhǔn)確與否直接關(guān)系到最終檢測(cè)結(jié)果的準(zhǔn)確性。最簡單的方式是：直接抽取圖像序列中沒有運(yùn)動(dòng)目標(biāo)的某幀，或在計(jì)算一段時(shí)間內(nèi)多幅圖像的統(tǒng)計(jì)平均值作為背景模型。但是，背景消減中有兩個(gè)問題需要解決：背景模型的獲取和背景模型的更新。基于背景統(tǒng)計(jì)模型估計(jì)的方法是在攝像機(jī)靜止時(shí)建立背景模型，通過將當(dāng)前幀和背景模型進(jìn)行比較，確定出變化較大的區(qū)域認(rèn)為是前景。由于該方法是利用當(dāng)前圖像與背景圖像的比較來檢測(cè)運(yùn)動(dòng)區(qū)域，故有些文獻(xiàn)仍將其歸為背景差分法中的一種；但是它采用概率統(tǒng)計(jì)的方法來描述背景，因此有的文獻(xiàn)將其單獨(dú)分為一類，稱為背景建模法。背

5、景消減法根據(jù)其背景模型的不同又可分為：直方圖法、平均值法、單分布高斯背景模型、混合高斯分布背景模型、Kalman濾波器法，HMM模型法，mean shift算法，Camshift算法。 4、邊緣檢測(cè)法邊緣檢測(cè)法：邊緣檢測(cè)方法是在不同的光線條件下利用車體的不同部件、顏色等提供的邊緣信息有效的提取車輛的邊緣，從而進(jìn)行靜止和運(yùn)動(dòng)車輛的檢測(cè)?？臻g上的邊緣檢測(cè)算法可用于基于方向?qū)?shù)求卷積的邊緣檢測(cè)算子比如Sobel、Roberts、Robinson、Krisch、Prew itt、高斯拉氏算子等進(jìn)行邊緣提取，這些算子在算法復(fù)雜度以及效果上有很大的差別，應(yīng)根據(jù)實(shí)際情況選用合適的算子；而時(shí)間上的邊緣檢測(cè)算法

6、是通過計(jì)算連續(xù)幀之間對(duì)應(yīng)像素點(diǎn)的差獲得。文獻(xiàn)提出了基于小波變換的多尺度邊緣提取法，將邊緣檢測(cè)的核心指標(biāo)（誤檢率和定位精度）分別用小波尺度因子表示，經(jīng)分析發(fā)現(xiàn)：大尺度的濾波器抑制噪聲（誤檢率降低）；而用小尺度濾波器準(zhǔn)確定位邊緣（定位精度提高）并提取邊緣。除了基于梯度算子傳統(tǒng)邊緣檢測(cè)算法外，近年來，基于形態(tài)學(xué)的邊緣檢測(cè)算法日益受到重視。由于梯度算子對(duì)噪聲敏感并不能檢測(cè)較細(xì)的邊界，而基于形態(tài)學(xué)的邊緣檢測(cè)算子對(duì)此有更好的處理效果。通常的形態(tài)學(xué)邊緣檢測(cè)算子包括blurmin,top-hat和開-閉算子。在此基礎(chǔ)上，后來又發(fā)展了一個(gè)新的邊緣檢測(cè)算子：可分離形態(tài)學(xué)邊緣檢測(cè)器（SMED）,SMED在關(guān)鍵區(qū)域內(nèi)

7、應(yīng)用可分離中值濾波器去除噪聲同時(shí)用簡單易實(shí)現(xiàn)的形態(tài)學(xué)算子檢測(cè)邊緣，降低了計(jì)算的復(fù)雜度，獲得了較好的檢測(cè)效果。 5、運(yùn)動(dòng)矢量檢測(cè)法運(yùn)動(dòng)矢量檢測(cè)法：運(yùn)動(dòng)矢量檢測(cè)法是對(duì)前后連續(xù)兩幀圖像進(jìn)行模塊跟蹤匹配，用當(dāng)前圖像的某一宏塊在下一幀范圍內(nèi)搜索最優(yōu)匹配，計(jì)算出兩幀間各個(gè)宏塊的平均運(yùn)動(dòng)矢量，根據(jù)運(yùn)動(dòng)矢量的大小進(jìn)而判別有無目標(biāo)。運(yùn)動(dòng)矢量檢測(cè)法計(jì)算量非常大。從計(jì)算機(jī)視覺的實(shí)際應(yīng)用來看，運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤問題所面臨是主要挑戰(zhàn)和需要解決的問題可以歸結(jié)為三個(gè)方面，即算法的魯棒性，準(zhǔn)確性，實(shí)時(shí)性。以上的方法性能總比較如下表： 表1 性能比較檢測(cè)算法光流法幀差法背景消減法邊緣檢測(cè)法運(yùn)動(dòng)矢量法魯棒性低高低高低準(zhǔn)確度中等低

8、高低中等處理速度慢快快快慢2） 目標(biāo)跟蹤技術(shù)：運(yùn)動(dòng)目標(biāo)跟蹤算法主要有兩類：基于區(qū)域匹配的方法，基于特征匹配的方法。 1、基于區(qū)域匹配的方法 基于區(qū)域匹配的方法：區(qū)域匹配首先獲取包含目標(biāo)的模版，該模版通過圖像分割或預(yù)先人為提取來確定，然后在序列圖像中運(yùn)用相關(guān)法搜索目標(biāo)，從而確定目標(biāo)在序列圖像中的坐標(biāo)位置。優(yōu)點(diǎn)：區(qū)域模板匹配算法由于提取了較完整的目標(biāo)模板，在當(dāng)目標(biāo)未被遮擋時(shí)，匹配效果較好。缺點(diǎn)：但這種方法在圖像上遍歷搜索，計(jì)算量大、比較耗時(shí)。 2、基于特征匹配的方法 基于特征匹配的方法：不同于模板匹配，特征匹配使用的是目標(biāo)上的某些局部特征作為求相關(guān)的對(duì)象。特征描述符指的是檢測(cè)圖像的局部特征（比如邊緣、角點(diǎn)、輪廓等），然后據(jù)匹配目標(biāo)的需要進(jìn)行特征的組合、變換，以形成易于匹配、穩(wěn)定性好的特征向量，從而把圖像配問題轉(zhuǎn)化為特征的匹配問題，進(jìn)而將特征的匹配問題轉(zhuǎn)化為特征空間特征向量的聚類問題。 基于特征的跟蹤方法有其顯著的優(yōu)點(diǎn)：1.由于使用的符號(hào)模型運(yùn)動(dòng)方式簡單，運(yùn)動(dòng)具有平滑性，因此跟蹤目標(biāo)的算法就簡單了；2.這種方法已經(jīng)假設(shè)特征符號(hào)運(yùn)動(dòng)是相互獨(dú)立的運(yùn)動(dòng)，因此在運(yùn)動(dòng)分析時(shí)可以不區(qū)分運(yùn)動(dòng)物體是剛體還是非剛體，也不用管它的幾何形狀；3.跟蹤過程中符號(hào)特征容易捕捉，能夠匹配到每一個(gè)特征符號(hào)。 但是基于特征跟蹤算法的缺點(diǎn)：1.伴隨著復(fù)雜運(yùn)動(dòng)的簡單運(yùn)動(dòng)，剛體運(yùn)動(dòng)目標(biāo)的特征提取就會(huì)產(chǎn)生困難