基于opencv的运动目标检测与跟踪-毕设论文 联系客服

发布时间 : 星期五 文章基于opencv的运动目标检测与跟踪-毕设论文更新完毕开始阅读22ea8842366baf1ffc4ffe4733687e21af45fff0

沈阳航空航天大学毕业设计(论文)

4 运动目标检测

运动目标检测处于整个视频监视系统的最底层,是各种后续高级应用如目标跟踪、目标分类、目标行为理解等的基础。运动目标检测是指从视频流中实时提取目标,一般是确定目标所在区域和颜色特征等。运动目标检测的结果是一种“静态”目标一一前景目标,由一些静态特征所描述。运动目标检测依据前景目标所处的背景环境,可以划分为两类一一静态背景下运动目标检测和动态背景下运动目标检测,本章结合论文的工作实际主要研究摄像机不发生运动的静态背景运动目标检测算法。

相对于静止信息来说,运动信息更能引起人们的注意,也更加有用。例如,对于自动视频监控系统,监控对象的变化也是它更感兴趣的信息。自动视频监控系统是利用摄像机采集到的图像序列对监控的对象进行不间断监视,如出现异常情况,给出报警信号,通知有关人员进行及时处理。为了对监控对象的变化进行检测,系统要对采集得到的图像序列进行有效地处理,从中分离出变化信息,对于一般场合变化信息就是目标的运动。

目前,检测运动目标的方法主要有光流法和帧间差阈值法。由于噪声、多光源、阴影、透明性和遮挡性等原因,使得计算出的光流场分布不是十分可靠和精确,光流场的计算实时性和实用性较差。帧间差阈值法速度快,易于硬件实现。不足之处是很难求出运动物体的速度,且当运动物体在成像平面有重迭时,帧间差阈值法不适用。本文使用图像背景差分的方法来对序列图像中的运动目标进行检测。

4.1 运动目标检测的基本方法

目标检测与提取在目标跟踪应用中有着重要的地位。目标检测与提取的准确性直接影响到跟踪的结果和精度。一个好的运动目标检测算法,应该能适用于所监视的各种环境,通常一个优秀的运动目标检测算法应具有以下的特征:

1 不依赖于摄像头的安装位置; 2 在各种天气条件下应是鲁棒的; 3 对环境光线的变化应是鲁棒的;

4 应能够处理杂乱无章的大面积区域的各种运动,以及视场内目标的叠加;

19

基于VC的运动图像跟踪算法设计

5 能适应场景中个别物体运动的干扰,如树木的摇晃,水面的波动;

人们总是希望能有一个能适用于监视各种各样环境,能够满足各种要求以及普遍适用的一个运动目标检测算法,但是实际应用中要达到这样的要求是十分困难的,因为实际应用中不但要考虑到算法要尽量适用于多种环境,而且一般还要在算法的复杂度、可靠性,以及实时性等诸多方面中考虑。

通常情况下,运动目标检测的算法可以按照被监视场景是室内还是室外分为室内监测算法和室外监测算法,也可以按照算法具体使用的方法分为连续帧间差分法、背景差分法和光流法。

4.1.1 帧间差分法

对于许多应用来说,检测图像序列中连续帧图像的差异是非常重要的步骤。场景中任何可观察的运动都会体现在场景图像序列的变化上,如果能检测这种变化,就可以分析其运动特性。进一步,如果目标的运动限制在平行于图像平面的一个平面上,则可以得到目标运动特性定量参数的很好估计。

图4.1 相邻两帧图像差分法基本原理流程

连续帧间差分法可分为相邻两帧图像差分和连续三帧图像差分,这里主要介绍相邻两帧图像差分法。相邻两帧图像差分法的基本运算过程如图(4.1)。首先,利用公式(4.1)计算第k 帧图像与第k ?1帧图像之间的差别,得到差分后的图像

,然后对差

分后图像使用图像分割算法—式(4.2)进行二值化处理,即认为当差分图像中某一像素的差大于设定的闭值时,则认为该像素是前景像素(检测到的目标),反之则认为是背景像素。在对差分图像后得到图像凡,最后对

二值化后还可以使用数学形态学对其进行滤波处理,然 图像进行区域连通性分析,当某一连通的区域的面积大于

某一给定闭值,则成为检测目标,并认为该区域就是目标的区域范围,就可以确定目

20

沈阳航空航天大学毕业设计(论文)

标的最小外接矩形。

Dk(x,y)?|fk(x,y)?fk?1(x,y)| (4.1)

其中 fk(x,y) , fk?1(x,y)为连续两帧图像; Dk(x,y)为帧差图像。

?0Dx(x,y)?TRk(x,y)?? (4.2)

1D(x,y)?Tx?其中T是二值化设定阀值。

基于连续帧间差分法的运动目标检测其主要优点是: 1 算法实现简单。 2 程序设计复杂度低。 3 易于实现实时监视。

4 由于相邻帧的时间间隔较短,因此该方法对场景光线的变化不太敏感,受目标阴影的影响也不太大,可以讲连续帧间差分法对动态环境有较好的适应性。

然而,这种方法在使用过程中还存在两个问题:一是两帧间目标的重叠部分不容易检测出来,即只能检测出目标的一部分:二是检测出目标在两帧中变化的信息,这样会存在较多的伪目标点,检测出的目标要比实际的目标大一些。分析原因,前者是由于我们直接用相邻的两帧相减后,保留下来的部分是两帧中相对变化的部分,因此两帧间目标的重叠部分不容易被检测出来;后者是由于相邻两帧必然存在的灰度变化所产生的。

4.1.2 背景差法

其原理如下图所示

图4.2 背景差分法原理流程

21

基于VC的运动图像跟踪算法设计

基于背景差分方法的原理非常简单,其基本运算过程如图(4.2)所示:先利用公式(4.3)计算背景图像fbk与当前帧图像fk的差,然后依据公式(4.4)对差分图像Dk进行二值化和形态学滤波处理,并对所得结果Rk进行区域连通性分析,当某一连通的区域的面积大于某一给定阈值,则成为检测目标,并认为该区域就是目标的区域范围,就可以确定目标的最小外接矩形。

Dk(x,y)?|fk(x,y)?fbk(x,y)| (4.3)

其中fk(x,y) 、fbk(x,y)为连续两帧图像, Dk(x,y)为帧差图像。

?0Dx(x,y)?TRk(x,y)?? (4.4)

1D(x,y)?Tx?

其中T 是二值化设定阀值。 此方法的主要特点是:

1 要求使用当前被监视环境中的一幅静态背景图像;

2 利用背景图像与当前帧图像的差进行运动目标检测;在确定了比例参数后调解积分参数,最后调节微分参数。

4.1.3 光流法

光流是指图像亮度模式的表观(或视在)运动。使用“表观运动”的主要原因是光流无法有运动图像的局部信息唯一的确定,例如,亮度比较均匀的区域或亮度等值线上的点都无法唯一的确定其点的运动对应性,但是运动是可以观察到的。这就说明了光流与运动场不一定是唯一对应的,即有光流不一定就是物体运动产生的,反之物体发生了运动也不一定会产生光流。但一般情况下,可以认为光流与运动场没有太大区别,因此就可以根据图运动估计相对运动。由于实时性和实用性都比较差,所以不采用,也就不多做介绍了。

4.2 本文采用的算法设计

鉴于背景差分法和帧间差分法的优缺点,我们将这两种方法结合起来,使它们优势互补,从而克服相互的弱点,提高运动检测的效果。但是在实际的场景中,即便是室内环境,也存在光线等各种变化造成的干扰,或者人为造成的开灯等光线的强烈变

22