第五章光電信息處理技術(shù)成像目標(biāo)探測(cè)與跟蹤技術(shù)

1、成像目標(biāo)探測(cè)與跟蹤主要內(nèi)容成像探測(cè)與跟蹤系統(tǒng)概述運(yùn)動(dòng)目標(biāo)檢測(cè)方法成像目標(biāo)跟蹤方法目標(biāo)跟蹤技術(shù)應(yīng)用及發(fā)展主要內(nèi)容成像跟蹤系統(tǒng)概述運(yùn)動(dòng)目標(biāo)檢測(cè)方法成像目標(biāo)跟蹤方法目標(biāo)跟蹤技術(shù)應(yīng)用及發(fā)展一、成像探測(cè)與跟蹤系統(tǒng)概述精確制導(dǎo)、目標(biāo)跟蹤 “道爾” 野戰(zhàn)地空導(dǎo)彈武器系統(tǒng)，是世界上最先采用垂直發(fā)射方式的近程防空系統(tǒng)，同時(shí)也是一種全天候、全自動(dòng)、三位一體(目標(biāo)搜索、跟蹤和導(dǎo)彈發(fā)射裝置同時(shí)裝在一輛車(chē)上)的新一代高性能防空導(dǎo)彈發(fā)射車(chē)。它具有警戒、指揮與控制、導(dǎo)彈制導(dǎo)與發(fā)射等眾多功能，既可以獨(dú)立作戰(zhàn)，也可以和發(fā)射連的其它發(fā)射車(chē)協(xié)同作戰(zhàn)。它可在低空、超低空和近程區(qū)域內(nèi)攔截多種非隱身與隱身空襲目。X-59導(dǎo)引頭雷達(dá)導(dǎo)引頭

2、自動(dòng)導(dǎo)系統(tǒng)一、成像探測(cè)與跟蹤系統(tǒng)概述導(dǎo)引頭舵機(jī)發(fā)動(dòng)機(jī)尾翼自動(dòng)導(dǎo)系統(tǒng)一、成像探測(cè)與跟蹤系統(tǒng)概述一、成像探測(cè)與跟蹤系統(tǒng)概述跟蹤系統(tǒng)及跟蹤一、成像探測(cè)與跟蹤系統(tǒng)概述EF2000歐洲戰(zhàn)斗機(jī)裝備“海盜”機(jī)載紅外搜索跟蹤系統(tǒng) “海盜”系統(tǒng)（無(wú)源紅外機(jī)載跟蹤設(shè)備）可以為空中攔截和空地作戰(zhàn)提供戰(zhàn)術(shù)優(yōu)勢(shì)。該設(shè)備安裝在機(jī)艙左側(cè)、風(fēng)擋玻璃的前方?！昂１I”系統(tǒng)在空對(duì)空模式下運(yùn)行的時(shí)候，具備搜索和跟蹤系統(tǒng)（IRST）功能，提供無(wú)源目標(biāo)探測(cè)和跟蹤能力；在空對(duì)地模式下，可以執(zhí)行多目標(biāo)獲取和識(shí)別任務(wù)，同時(shí)還能提供輔助導(dǎo)航和著陸功能。 一、成像探測(cè)與跟蹤系統(tǒng)概述紅外監(jiān)控系統(tǒng)一、成像探測(cè)與跟蹤系統(tǒng)概述什么是視頻(成像)目標(biāo)跟蹤？

3、視頻序列目標(biāo)跟蹤是指對(duì)傳感器攝取到的圖像序列進(jìn)行處理與分析，充分利用傳感器采集得到信息來(lái)對(duì)目標(biāo)進(jìn)行穩(wěn)定跟蹤的過(guò)程。一旦目標(biāo)被確定，就可獲得目標(biāo)的位置、速度、加速度等運(yùn)動(dòng)參數(shù)，進(jìn)而獲得目標(biāo)的特征參數(shù)。 一、成像探測(cè)與跟蹤系統(tǒng)概述什么是視頻(成像)目標(biāo)跟蹤？在軍事上，視頻序列目標(biāo)跟蹤技術(shù)廣泛應(yīng)用于精確制導(dǎo)、戰(zhàn)場(chǎng)機(jī)器人自主導(dǎo)航、無(wú)人機(jī)著降，靶場(chǎng)光電跟蹤等領(lǐng)域。在現(xiàn)代高技術(shù)條件下的戰(zhàn)爭(zhēng)中，由于各種偽裝、欺騙、對(duì)抗、反輻射技術(shù)大量使用，使得戰(zhàn)場(chǎng)環(huán)境日益復(fù)雜，尤其是在復(fù)雜環(huán)境下的目標(biāo)跟蹤問(wèn)題，成為該領(lǐng)域內(nèi)研究的熱點(diǎn)與難點(diǎn)；在民用上，該技術(shù)主要應(yīng)用在智能視頻監(jiān)控、智能交通管制、醫(yī)療影像診斷等方面。 一、成像

4、探測(cè)與跟蹤系統(tǒng)概述成像跟蹤系統(tǒng)流程及框圖一、成像探測(cè)與跟蹤系統(tǒng)概述研究現(xiàn)狀（國(guó)際）1997年，美國(guó)國(guó)防高級(jí)研究項(xiàng)目署設(shè)立了以卡內(nèi)基梅隆大學(xué)牽頭，麻省理工學(xué)院等高校參與的視覺(jué)監(jiān)控重大項(xiàng)目VSAM，主要研究用于戰(zhàn)場(chǎng)及普通民用場(chǎng)景監(jiān)控的自動(dòng)視頻理解技術(shù)。1999年，美國(guó)康奈爾大學(xué)計(jì)算機(jī)系設(shè)計(jì)了一套航拍視頻檢測(cè)與持續(xù)跟蹤系統(tǒng)，該系統(tǒng)能夠?qū)Χ噙\(yùn)動(dòng)目標(biāo)實(shí)現(xiàn)長(zhǎng)時(shí)間的準(zhǔn)確跟蹤，即使發(fā)生短時(shí)間內(nèi)目標(biāo)被遮擋或目標(biāo)時(shí)靜時(shí)動(dòng)的情況 。2005年，美國(guó)中央佛羅里達(dá)大學(xué)計(jì)算機(jī)視覺(jué)實(shí)驗(yàn)室開(kāi)發(fā)出了基于MATLAB的COCOA系統(tǒng)，用于無(wú)人機(jī)低空航拍視頻圖像的目標(biāo)檢測(cè)與跟蹤處理。一、成像探測(cè)與跟蹤系統(tǒng)概述研究現(xiàn)狀（國(guó)內(nèi)）研究所

5、：中科院光電技術(shù)研究所、長(zhǎng)春光機(jī)所、上海光機(jī)所，安徽光機(jī)所、上海技術(shù)物理所、中科院自動(dòng)化所，沈陽(yáng)自動(dòng)化所 ，中國(guó)工程物理研究院等。高校：國(guó)防科技技術(shù)大學(xué)、西北工業(yè)大學(xué)、哈爾濱工業(yè)大學(xué)、北京理工大學(xué)、北京航空航天大學(xué)、華中科技大學(xué)、空軍工程大學(xué)等。一、成像探測(cè)與跟蹤系統(tǒng)概述VSAM 目標(biāo)是開(kāi)發(fā)自動(dòng)視頻理解技術(shù)，并用于實(shí)現(xiàn)未來(lái)戰(zhàn)爭(zhēng)人力費(fèi)用昂貴、非常危險(xiǎn)或者人力無(wú)法實(shí)現(xiàn)等場(chǎng)合的監(jiān)控。該系統(tǒng)融合了數(shù)字?jǐn)z像機(jī)、音頻采集頭、紅外和微波報(bào)警探測(cè)器、溫度探測(cè)器等多種類型的傳感器，可以對(duì)監(jiān)控地區(qū)進(jìn)行全方位的晝夜監(jiān)控。使用了地理信息和三維建模技術(shù)，提供可視化圖形操作界面，當(dāng)視頻分析處理器報(bào)告了運(yùn)動(dòng)對(duì)象、對(duì)象類別及

6、位置之后，操作員不僅可以在地理信息界面上進(jìn)行虛擬對(duì)象標(biāo)記，而且還能在輔助窗口觀察對(duì)象的真實(shí)活動(dòng)情況。VSAM使用架設(shè)在高處多方位旋轉(zhuǎn)云臺(tái)上的單個(gè)攝像機(jī)，可以全方位地實(shí)施視頻監(jiān)控。系統(tǒng)首先有規(guī)律地初始化一系列背景圖像，然后利用基于特征區(qū)域的方法將實(shí)際攝錄的視頻圖與相應(yīng)的背景圖作匹配，再利用背景減除法檢測(cè)運(yùn)動(dòng)目標(biāo)。 VSAM由于傳統(tǒng)的卡爾曼濾波方法只能處理單峰問(wèn)題，該系統(tǒng)對(duì)傳統(tǒng)的卡爾曼濾波思想進(jìn)行了擴(kuò)展，并使用了帶目標(biāo)模板更新的相關(guān)匹配算法實(shí)現(xiàn)了多目標(biāo)的跟蹤。 VSAM針對(duì)機(jī)載航空攝像機(jī)所拍攝的視頻圖像，薩爾諾夫戴維研究中心研發(fā)了檢測(cè)和跟蹤獨(dú)立地面車(chē)輛目標(biāo)的視頻圖像理解技術(shù)。該技術(shù)的關(guān)鍵在于對(duì)航空

7、攝像機(jī)的自運(yùn)動(dòng)補(bǔ)償，對(duì)經(jīng)過(guò)補(bǔ)償?shù)膱D像，利用三幀差減的方法檢測(cè)目標(biāo)。 美國(guó)康奈爾大學(xué)計(jì)算機(jī)系設(shè)計(jì)的航拍視頻圖像目標(biāo)檢測(cè)與持續(xù)跟蹤系統(tǒng)的特色在于，能夠?qū)Χ噙\(yùn)動(dòng)目標(biāo)實(shí)現(xiàn)較長(zhǎng)時(shí)間的準(zhǔn)確跟蹤，即使在短時(shí)間內(nèi)目標(biāo)被遮擋或移出視場(chǎng)以及目標(biāo)時(shí)靜時(shí)動(dòng)。該系統(tǒng)在運(yùn)動(dòng)背景估計(jì)與補(bǔ)償中所涉及的主要技術(shù)是基于Kanade-Lucas-Tomasi算法的特征點(diǎn)跟蹤和基于M估計(jì)的魯棒性仿射參數(shù)估計(jì)。然后利用三幀差減的方法檢測(cè)目標(biāo)運(yùn)動(dòng)，利用形態(tài)學(xué)操作分割圖像并定位運(yùn)動(dòng)目標(biāo)。對(duì)多目標(biāo)進(jìn)行標(biāo)記之后，利用Hausdorff距離匹配和模板更新的方法對(duì)目標(biāo)進(jìn)行長(zhǎng)時(shí)間的跟蹤。4576102123152159253298COCOACOCO

8、A系統(tǒng)是一種無(wú)人機(jī)航拍圖像目標(biāo)跟蹤系統(tǒng)。該系統(tǒng)針對(duì)一段視頻圖像序列，通過(guò)三大技術(shù)環(huán)節(jié)，即背景運(yùn)動(dòng)補(bǔ)償、運(yùn)動(dòng)檢測(cè)與目標(biāo)跟蹤，來(lái)完成對(duì)目標(biāo)的檢測(cè)與跟蹤。該系統(tǒng)基于MATLAB平臺(tái)，可以適用于不同的光傳感器（可見(jiàn)光或紅外），最小的可跟蹤目標(biāo)約為100象素大小。該系統(tǒng)對(duì)機(jī)載光電傳感器或紅外傳感器所攝視頻圖像進(jìn)行魯棒性背景運(yùn)動(dòng)補(bǔ)償，并可生成全景圖，利于更高層次的應(yīng)用。對(duì)圖像中多種運(yùn)動(dòng)目標(biāo)（如汽車(chē)、坦克、摩托車(chē)等）進(jìn)行可靠性檢測(cè)并進(jìn)行持久地跟蹤。COCOA背景運(yùn)動(dòng)補(bǔ)償基于特征 + 基于灰度梯度運(yùn)動(dòng)檢測(cè)累積幀差法 + 形態(tài)學(xué)操作目標(biāo)跟蹤Level Set方法 + Mean Shift方法視頻序列COCOA系

9、統(tǒng)的基本技術(shù)環(huán)節(jié) 歸納起來(lái)，運(yùn)動(dòng)場(chǎng)景中目標(biāo)檢測(cè)與跟蹤技術(shù)主要包括以下三個(gè)關(guān)鍵技術(shù)： 背景補(bǔ)償與圖像預(yù)處理：消除背景運(yùn)動(dòng)、隨機(jī)噪聲對(duì)目標(biāo)檢測(cè)與跟蹤的影響。 圖像分割與目標(biāo)檢測(cè)：利用圖像分割技術(shù)從圖像中檢測(cè)出可能的運(yùn)動(dòng)目標(biāo)。 特征提取和目標(biāo)跟蹤：對(duì)檢測(cè)出的目標(biāo)提取可識(shí)別的特征，依據(jù)這些特征在后續(xù)的視頻圖像序列中對(duì)目標(biāo)進(jìn)行跟蹤。主要內(nèi)容成像探測(cè)與跟蹤系統(tǒng)概述運(yùn)動(dòng)目標(biāo)檢測(cè)方法成像目標(biāo)跟蹤方法目標(biāo)跟蹤技術(shù)應(yīng)用及發(fā)展 1、靜止背景下的目標(biāo)檢測(cè) 幀差分法：二、運(yùn)動(dòng)目標(biāo)檢測(cè)靜態(tài)場(chǎng)景 目標(biāo)檢測(cè)相對(duì)簡(jiǎn)單，研究漸趨成熟動(dòng)態(tài)場(chǎng)景 相對(duì)復(fù)雜，成為當(dāng)前研究領(lǐng)域的熱點(diǎn)靜態(tài)場(chǎng)景幀差的一個(gè)例子 研究重點(diǎn)：運(yùn)動(dòng)目標(biāo)的檢測(cè)二、運(yùn)動(dòng)

10、目標(biāo)檢測(cè)視頻圖像中的目標(biāo)檢測(cè)與跟蹤，是計(jì)算機(jī)視覺(jué)的基礎(chǔ)課題，同時(shí)具有廣泛的應(yīng)用價(jià)值。視頻序列運(yùn)動(dòng)檢測(cè)對(duì)于動(dòng)態(tài)場(chǎng)景，由于目標(biāo)與攝像頭之間存在復(fù)雜的相對(duì)運(yùn)動(dòng)，運(yùn)動(dòng)檢測(cè)富有挑戰(zhàn)性。傳統(tǒng)的幀差方法已經(jīng)不再適用，如何能對(duì)全局的運(yùn)動(dòng)進(jìn)行估計(jì)和補(bǔ)償，成為問(wèn)題的關(guān)鍵。第一幀 幀差圖像解決思路要檢測(cè)動(dòng)態(tài)場(chǎng)景中的運(yùn)動(dòng)目標(biāo)，關(guān)鍵在于對(duì)場(chǎng)景的運(yùn)動(dòng)進(jìn)行估計(jì)，通過(guò)估計(jì)出的運(yùn)動(dòng)參數(shù)補(bǔ)償其運(yùn)動(dòng)，最后使用幀差法得到運(yùn)動(dòng)目標(biāo)。提取特征點(diǎn)特征點(diǎn)匹配最小二乘求運(yùn)動(dòng)參數(shù)提取特征點(diǎn)前一幀圖像后一幀圖像運(yùn)動(dòng)補(bǔ)償幀差法運(yùn)動(dòng)目標(biāo)求解全局運(yùn)動(dòng)參數(shù)前一幀后一幀求特征點(diǎn)并匹配運(yùn)動(dòng)補(bǔ)償補(bǔ)償后的幀差圖像實(shí)驗(yàn)結(jié)果與普通幀差法的比較第50幀第80幀第5幀幀

11、差法特征匹配的方法原序列基于圖像金字塔分解的全局運(yùn)動(dòng)估計(jì) 采用了3層金字塔進(jìn)行多分辨率計(jì)算,而且在每層迭代計(jì)算中,將基于塊的外點(diǎn)去除算法與特征點(diǎn)提取算法相結(jié)合,這樣既加快了算法的速度,又提高了計(jì)算結(jié)果的準(zhǔn)確性?；静襟E如下：用高斯圖像構(gòu)造法構(gòu)造圖像金字塔；對(duì)金字塔頂層圖像進(jìn)行全局運(yùn)動(dòng)估計(jì)，求得運(yùn)動(dòng)參數(shù)；將頂層金字塔求得的參數(shù)集隱射到金字塔的中間層，并對(duì)該層進(jìn)行全局運(yùn)動(dòng)估計(jì)，求得相應(yīng)的運(yùn)動(dòng)參數(shù)；將金字塔中間層的參數(shù)集映射到金字塔的底層, 對(duì)該層進(jìn)行全局運(yùn)動(dòng)估計(jì)，求得該層的運(yùn)動(dòng)參數(shù)集。利用求得的最終參數(shù)集，對(duì)圖像進(jìn)行運(yùn)動(dòng)補(bǔ)償，將運(yùn)動(dòng)補(bǔ)償后的圖像與前一幀圖像進(jìn)行差值。下圖給出了運(yùn)動(dòng)補(bǔ)償與直接幀差的結(jié)

12、果比較圖1Coastguard序列圖像圖2直接幀差和運(yùn)動(dòng)補(bǔ)償后的差值圖比較二、運(yùn)動(dòng)目標(biāo)檢測(cè) 塊匹配算法簡(jiǎn)介無(wú)需計(jì)算每一個(gè)像素的運(yùn)動(dòng)，而只是計(jì)算由若干像素組成的像素塊的運(yùn)動(dòng)，對(duì)于許多圖像分析和估計(jì)應(yīng)用來(lái)說(shuō)，塊運(yùn)動(dòng)分析是一種很好的近似。如數(shù)字視頻壓縮國(guó)際標(biāo)準(zhǔn)MPEG1-2 采用了基于塊的運(yùn)動(dòng)分析和補(bǔ)償算法。 二、運(yùn)動(dòng)目標(biāo)檢測(cè) 塊匹配算法的關(guān)鍵技術(shù) 匹配準(zhǔn)則(Matching Criteria) 搜索策略(Searching Strategy 匹配特征二、運(yùn)動(dòng)目標(biāo)檢測(cè)匹配準(zhǔn)則目標(biāo)幀鎖定幀二、運(yùn)動(dòng)目標(biāo)檢測(cè)匹配準(zhǔn)則.均方差(Mean Square Error, MSE).平均絕對(duì)差(Mean absol

13、ute discrepancy, MAD)二、運(yùn)動(dòng)目標(biāo)檢測(cè)匹配準(zhǔn)則3.互相關(guān)(Cross-correlation, CC)二、運(yùn)動(dòng)目標(biāo)檢測(cè)搜索策略 全視場(chǎng)搜索(FS) 對(duì)數(shù)搜搜 三步搜索 菱形搜索(Diamond Search ，DS) 其他改進(jìn)搜索策略Three-Step Search (3SS)1111111112322222223333333搜索策略2D 對(duì)數(shù)法搜索111112223344444444搜索策略二、運(yùn)動(dòng)目標(biāo)檢測(cè)匹配特征 圖像灰度、亮度、顏色等信息 圖像特征(邊緣、輪廓、紋理、變換域特征等。主要內(nèi)容成像探測(cè)與跟蹤系統(tǒng)概述運(yùn)動(dòng)目標(biāo)檢測(cè)方法成像目標(biāo)跟蹤方法目標(biāo)跟蹤技術(shù)應(yīng)用及發(fā)展1

14、、目標(biāo)跟蹤方法分類三、成像目標(biāo)跟蹤方法 成像跟蹤系統(tǒng)經(jīng)過(guò)圖像的預(yù)處理、圖像的分割識(shí)別等一系列信息處理，最終實(shí)現(xiàn)對(duì)目標(biāo)位置的實(shí)時(shí)精確測(cè)量，即對(duì)目標(biāo)或目標(biāo)的局部實(shí)施穩(wěn)定跟蹤，實(shí)時(shí)輸出目標(biāo)的脫靶量。 矩心(質(zhì)心、形心)跟蹤； 邊緣跟蹤； 峰值跟蹤； 相關(guān)跟蹤； 濾波跟蹤。1矩心跟蹤 矩心也叫質(zhì)心或重心，是物體對(duì)某軸的靜力矩作用中心。如果把目標(biāo)圖像看成是一塊質(zhì)量密度不均勻的薄板，以圖像上各像素點(diǎn)的灰度作為各點(diǎn)的質(zhì)量密度。這樣就可以借用矩心的定義式來(lái)計(jì)算目標(biāo)圖像的矩心。xyabcdxcyc三、成像目標(biāo)跟蹤方法TemplateSearch image2相關(guān)跟蹤由于目標(biāo)運(yùn)動(dòng)、姿態(tài)發(fā)生改變、光照條件改變以及雜

15、波背景的干擾，使得目標(biāo)圖像的分割提取十分困難，計(jì)算目標(biāo)的矩心或形心不準(zhǔn)確。在某種情況下，可以采用以圖像匹配為基礎(chǔ)的跟蹤方法，習(xí)慣上稱之為相關(guān)跟蹤。三、成像目標(biāo)跟蹤方法分片跟蹤部分遮擋目標(biāo)跟蹤為什么引入分片跟蹤： 在目標(biāo)跟蹤領(lǐng)域，一個(gè)重要的難題就是目標(biāo)的遮擋問(wèn)題，因?yàn)檎趽醢l(fā)生時(shí)目標(biāo)可能部分或全部不可見(jiàn)。 模擬人眼跟蹤目標(biāo)的方式，發(fā)生遮擋時(shí)，人眼會(huì)關(guān)注目標(biāo)的可見(jiàn)部分來(lái)繼續(xù)跟蹤。受這一思想啟發(fā)，我們將目標(biāo)分成多個(gè)小片，目標(biāo)被遮擋時(shí)，利用“可見(jiàn)片”來(lái)跟蹤。 分片跟蹤主要思想： 將目標(biāo)分片，建立目標(biāo)分片表現(xiàn)模型（模板）。在目標(biāo)上一幀的位置周?chē)闅v搜索，找到與目標(biāo)模板相似度最高的候選目標(biāo)作為跟蹤結(jié)果。 當(dāng)

16、前幀上一幀目標(biāo)位置 候選目標(biāo)位置搜索窗口目標(biāo)分片分片跟蹤 其中相似度的度量是通過(guò)各片的空間直方圖匹配來(lái)實(shí)現(xiàn)的。確定目標(biāo)位置后，判斷目標(biāo)中各片的有效性，我們僅利用有效片進(jìn)行下一幀的跟蹤。 被遮擋的區(qū)域片基本丟失模板更新 由上可見(jiàn)這種分片方法已經(jīng)可以很好的解決遮擋問(wèn)題。 但是在跟蹤過(guò)程中，目標(biāo)的外觀模型可能發(fā)生變化（例如目標(biāo)轉(zhuǎn)身、尺寸變化等等）。那么剛開(kāi)始為目標(biāo)建立的模板就不能很好的表示目標(biāo)，這將影響跟蹤效果。 目標(biāo)外觀變化時(shí)片匹配的情況外觀緩慢變化時(shí)，丟失的片很少利用有效片的概念，我們?yōu)槊總€(gè)目標(biāo)建立兩種模板，臨時(shí)模板和參考模板。 臨時(shí)模板實(shí)時(shí)更新的模板，在無(wú)遮擋情況下跟蹤，可以解決目標(biāo)外觀緩慢變

17、化的問(wèn)題。 參考模板能夠很好的表示目標(biāo)的模板，用于遮擋情況下的跟蹤。分片跟蹤多組實(shí)驗(yàn)結(jié)果： 1.可以有效的解決目標(biāo)遮擋 2.在目標(biāo)表現(xiàn)模型緩慢變化的情況下，實(shí)時(shí)更新模板 3.在背景較為簡(jiǎn)單的情況下實(shí)現(xiàn)目標(biāo)尺度的更新分片跟蹤遮擋下的跟蹤分片跟蹤目標(biāo)表現(xiàn)模型的變化時(shí)的跟蹤目標(biāo)尺度發(fā)生變化應(yīng)用舉例：車(chē)輛檢測(cè)與跟蹤智能交通系統(tǒng)：( Intelligent Transport Systems, ITS)車(chē)輛檢測(cè)與跟蹤概述影響車(chē)輛檢測(cè)和跟蹤的主要因素： （1）車(chē)輛自身陰影；（2）車(chē)輛間相互遮擋或車(chē)輛被背景中物體遮擋；（3）同車(chē)型車(chē)輛之間具有較大的相似性；（4）光線突變；（5）夜晚和雨、雪等惡烈天氣等。主要

18、針對(duì)（1）、（2）兩種情況開(kāi)展研究 算法步驟 Step1 背景模型訓(xùn)練，得到表示初始背景模型的碼本。Step2 輸入像素點(diǎn)和碼本做比較判斷，得到可能的前景像素點(diǎn)，同時(shí)更新碼本。Step3 去除可能前景像素點(diǎn)中陰影和高亮區(qū)域，得到真實(shí)的前景點(diǎn)，同時(shí)更新碼本。Step4 去噪，連通區(qū)域分析，根據(jù)檢測(cè)出的運(yùn)動(dòng)目標(biāo)的長(zhǎng)寬消除非車(chē)輛目標(biāo)，將運(yùn)動(dòng)車(chē)輛分割出來(lái)。 Step5 使用卡爾曼濾波器預(yù)測(cè)車(chē)輛在下一幀中的可能位置。Step6 在預(yù)測(cè)區(qū)域周?chē)鷮?duì)各個(gè)車(chē)輛進(jìn)行匹配跟蹤。轉(zhuǎn)Step2，進(jìn)行下一輪跟蹤。實(shí)驗(yàn)結(jié)果 （a）遮擋模型 （b）原始遮擋圖像 （c）分割處理后 （d）遮擋模型與運(yùn)動(dòng)目標(biāo)匹配夜晚車(chē)輛檢測(cè)結(jié)果 普通路面檢測(cè)結(jié)果 （a）序列某一幀 （b）混合高斯模型檢測(cè)結(jié)果 （c）Bayes 決策檢測(cè)結(jié)果 （d）改進(jìn)方法檢測(cè)結(jié)果高速公路檢測(cè)結(jié)果 （a）序列某一幀 （b）混合高斯模型檢測(cè)結(jié)果 （c）Bayes 決策檢測(cè)結(jié)果 （d）改進(jìn)方法檢測(cè)結(jié)果跟蹤結(jié)果 （a）序列第168幀跟蹤結(jié)果（b）序列第182幀跟蹤結(jié)果 （c）目標(biāo)質(zhì)心在x方向的坐標(biāo) （d）目標(biāo)質(zhì)心在y方向的坐標(biāo) 主要內(nèi)容成像探測(cè)與跟蹤系統(tǒng)概述運(yùn)動(dòng)目標(biāo)檢測(cè)方法成