运动目标检测与跟踪ppt课件.pptx

《运动目标检测与跟踪ppt课件.pptx》由会员分享，可在线阅读，更多相关《运动目标检测与跟踪ppt课件.pptx（45页珍藏版）》请在三一办公上搜索。

1、智能视频监控系统应用范围,执行流程,视频中的目标检测与跟踪,智能视频监控系统关键技术：,运动目标检测的相关技术,光流法,帧间差方法,背景差方法,背景估计法,4,1,2,3,汇 报 提 纲,一、目标跟踪二、主要难点三、目标匹配的加速搜索四、移动平台下的目标跟踪五、未来展望,汇 报 提 纲,一、目标跟踪二、主要难点三、目标匹配的加速搜索四、移动平台下的目标跟踪五、未来展望,目标跟踪,目标跟踪是基于对图像序列的研究，力图从复杂的背景中检测甚至辨认出运动目标，并且对目标运动的规律加以预测，实现对指定的目标进行准确且连续的跟踪。,目标跟踪,应用领域:安防监控,交通管理,体育分析,军事识别，人机交互.,目

2、标跟踪,应用领域:安防监控,交通管理,体育分析,军事识别，人机交互.,目标跟踪,应用领域:安防监控,交通管理,体育分析,军事识别，人机交互.,目标跟踪,应用领域:安防监控,交通管理,体育分析,军事识别，人机交互.,目标跟踪,应用领域:安防监控,交通管理,体育分析,军事识别，人机交互.,帧间差分法,这种方法就是将前后两帧图像对应像素点的灰度值相减，在环境亮度变化不大的情况下，如果对应像素灰度相差很小，可以认为此处景物是静止的，如果图像区域某处的灰度变化很大，可以认为这是由于图像中运动物体引起的，将这些区域标记下来，利用这些标记的像素区域，就可以求出运动目标在图像中的位置。,优点：鲁棒性好，运算量

3、小，易于软件实现缺点：对噪声有一定的敏感性，运动实体内部也容易产生空洞现象，阈值T缺乏自适应性，当光照变化时，检测算法难以适应环境变化,Default:T=60,背景相减法是目前运动检测中最常用的一种方法，基本思想是将输入的图像与背景图像或背景模型进行比较，通过判定灰度特征的变化，或用直方图等统计信息的变化来分割运动目标。它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。传统的背景相减法包括背景模型的建立，目标决策和背景模型更新三个步骤。,背景相减法,检测实例：,（a）第1帧图像 （b）第2帧图像 （c）变化区域图像,（d）提取出的背景图像 （e）变化

4、区域与背景差分图像 （f）运动目标检测结果,2022/11/26,国内外对此类问题的解决办法：,基于滤波、数据关联：Kalman Filter , Particle Filter, PDAF,基于目标建模定位：,2022/11/26,特征抽取：,时域： 几何形状：边缘、轮廓、线条（抗光照） 纹理：纹理丰富的目标 颜色：颜色信息（受光照影响大）频域： 小波特征，傅立叶,2022/11/26,几种稳定的图像特征：,形状特征：,目标的形状是一个二元的图形，代表了目标的边缘轮廓，因此许多图像分析的问题都可简化为形状分析，形状分析的目的是简化原始图像并且保留目标的形状特征。对目标的形状特征做适当的量化处

5、理就可以得到尺寸、旋转、光照不变的形状描述，同时，形状匹配不受光照条件的影响，使得目标识别更稳定。,2022/11/26,形状上下文（shape context):,以其中某个点与其他n-1个点构成n-1个向量,缺点：受遮挡影响，背景复杂不易提取边缘,解决办法：提取特征丰富点,L,2022/11/26,颜色特征：,颜色属于目标的物理属性，在跟踪过程中得以保持稳定。且抗缩放、旋转、遮挡、三维视角变化的影响。,缺点: (1)受光照影响明显；(2)r, g, b维空间增大了计算复杂度；(3)易受颜色相近背景的干扰。,解决办法： 寻找克服光照的颜色空间； 将维颜色空间降维。,2022/11/26,降维

6、后的颜色空间：,分片匹配,汇 报 提 纲,一、目标跟踪二、主要难点三、目标匹配的加速搜索四、移动平台下的目标跟踪五、未来展望,背景混乱,目标被遮挡,缩放和旋转,光照变化,摄像机运动,非刚性目标,研究多特征融合的目标匹配与跟踪算法具有重要的理论意义和实用价值,主要难点,汇 报 提 纲,一、目标跟踪二、主要难点三、目标匹配的加速搜索四、移动平台下的目标跟踪五、未来展望,目标匹配的加速搜索,若干遗传代后收敛情况,第10代,第50代,第20代,若干遗传代后收敛情况,第10代,第50代,第20代,图像序列跟踪结果,遮挡造成适应度下降,计算时间统计对比,汇 报 提 纲,一、目标跟踪二、主要难点三、目标匹配

7、的加速搜索四、移动平台下的目标跟踪五、未来展望,移动平台下的目标跟踪,检测背景运动并补偿,块匹配补偿背景运动,特征丰富的区域,区域确定,Good,Bad,Evaluating Feature Richness,Approach,Color Orientation Codes,Entropy,移动平台下的目标跟踪,先前帧,特征熵,抽取的特征区域,Approach,Covariance Matching,Approach,Distance Measure of Covariance Matrices,Approach,Compensation Of Global Motion,移动平台下的目标跟踪,移动平台下的目标跟踪,移动平台下的目标跟踪,移动平台下的MeanShift跟踪,谢谢！,