基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤(演講版)課件

基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤2013.06.05基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤2013.06.05研究應(yīng)用背景視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與目標(biāo)跟蹤具有很強(qiáng)的實(shí)用價(jià)值，主要應(yīng)用在視頻監(jiān)控、視頻圖像壓縮、智能交通、人機(jī)交互、機(jī)器人導(dǎo)航、醫(yī)學(xué)圖像分析、工業(yè)檢測(cè)等領(lǐng)域。研究應(yīng)用背景視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與目標(biāo)跟蹤具有很強(qiáng)2視頻圖像運(yùn)動(dòng)目標(biāo)檢測(cè)陰影去除后處理運(yùn)動(dòng)目標(biāo)跟蹤光流法幀差法背景減法預(yù)處理視頻圖像運(yùn)動(dòng)目標(biāo)檢測(cè)陰影去除后處理運(yùn)動(dòng)目標(biāo)跟蹤光流法幀差法背3視頻圖像的預(yù)處理彩色圖像灰度化圖像的平滑濾波(1)中值濾波(2)鄰域均值濾波(3)高斯濾波視頻圖像的預(yù)處理彩色圖像灰度化4運(yùn)動(dòng)目標(biāo)檢測(cè)

光流法

幀間差分法

背景減除法

背景相減法

均值濾波法

W4模型自適應(yīng)背景模型單高斯模型混合高斯模型ICA：獨(dú)立分量分析PSO：粒子群優(yōu)化算法運(yùn)動(dòng)目標(biāo)檢測(cè)光流法背景相減法ICA：獨(dú)立分量分析5光流法光流法是通過(guò)計(jì)算圖像的光流場(chǎng)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)的一種方法。所謂光流場(chǎng)是指空間運(yùn)動(dòng)物體被觀(guān)測(cè)表面上的像素點(diǎn)運(yùn)動(dòng)產(chǎn)生的瞬時(shí)速度場(chǎng),一個(gè)二維的速度場(chǎng)，包含了物體表面結(jié)構(gòu)和動(dòng)態(tài)行為的重要信息。原理：給圖像中的每一個(gè)像素點(diǎn)賦予一個(gè)光流矢量(即速度矢量)，當(dāng)物體和圖像背景存在相對(duì)運(yùn)動(dòng)時(shí)，運(yùn)動(dòng)物體所形成的速度矢量必然和鄰域背景速度矢量不同，通過(guò)對(duì)序列圖像光流場(chǎng)的分析，計(jì)算出運(yùn)動(dòng)場(chǎng)后，對(duì)場(chǎng)景進(jìn)行分割，從而檢測(cè)出運(yùn)動(dòng)目標(biāo)。光流法的核心是求解出運(yùn)動(dòng)目標(biāo)的光流，即速度。

光流法6鄰幀差分法

將連續(xù)的兩幀或三幀圖像對(duì)應(yīng)像素點(diǎn)的灰度值相減，當(dāng)環(huán)境亮度變化不大時(shí)，如果對(duì)應(yīng)像素值相差很小，則認(rèn)為此處是靜止的，標(biāo)記為背景；如果對(duì)應(yīng)像素值相差較大，則認(rèn)為這是由目標(biāo)運(yùn)動(dòng)引起的，該處像素標(biāo)記為運(yùn)動(dòng)目標(biāo)。

鄰幀差分法7第n-1幀第n幀第n-1幀第n幀8背景相減法原理：建立一個(gè)無(wú)運(yùn)動(dòng)目標(biāo)的背景圖像(第一幀無(wú)運(yùn)動(dòng)目標(biāo)的圖像或前N幀無(wú)運(yùn)動(dòng)目標(biāo)的圖像的均值或中值)，然后將當(dāng)前圖像的像素值與背景圖像的像素值相減，通過(guò)設(shè)置一定的閾值，分割運(yùn)動(dòng)目標(biāo)。優(yōu)點(diǎn)：算法簡(jiǎn)單、實(shí)時(shí)性較高缺點(diǎn)：對(duì)背景的依賴(lài)性較高背景相減法9均值濾波法

均值濾波法采用當(dāng)前幀之前的L幀的平均值作為背景，首先創(chuàng)建一個(gè)可以存儲(chǔ)L幀圖像的存儲(chǔ)空間，之后求這L幀圖像的相同位置的像素值的平均，即

優(yōu)點(diǎn)：運(yùn)算量低，速度快，在有實(shí)時(shí)性要求且對(duì)準(zhǔn)確性要求不高時(shí)得到廣泛的應(yīng)用；

缺點(diǎn)：對(duì)存儲(chǔ)空間需求較高，速度慢的物體時(shí)可能出現(xiàn)空洞。均值濾波法均值濾波法采用當(dāng)前幀之前的L幀的平均值作為10

W4模型

將背景中的每個(gè)像素用最大灰度值MAX(x，y，t)、最小灰度值MIN(x，y，t)和最大鄰間差分值DMAX(x，y，t)描述。其中DMAX(x，y，t)是相鄰幀對(duì)應(yīng)位置像素灰度差的最大值，這三個(gè)參數(shù)可以用圖像序列的前L幀估計(jì)，之后新觀(guān)測(cè)值f(x，y，t)與背景模型的三個(gè)值比較，若滿(mǎn)足下列兩式，則認(rèn)為該像素是背景，否則就是前景點(diǎn)。優(yōu)點(diǎn)：同均值濾波法相比檢測(cè)效果較好，運(yùn)算量也不大，能夠滿(mǎn)足實(shí)時(shí)性要求，而且對(duì)目標(biāo)比較敏感。缺點(diǎn)：當(dāng)運(yùn)動(dòng)目標(biāo)面積小且與背景對(duì)比度低或者目標(biāo)顏色深時(shí)分割效果較差。

W4模型優(yōu)點(diǎn)：同均值濾波法相比檢測(cè)效果較好，運(yùn)算量也不大，能11自適應(yīng)背景模型

將第一幀（無(wú)運(yùn)動(dòng)物體的圖像）作為背景；

選取閾值T；

求當(dāng)前幀的差分圖像

由二值圖像更新背景圖像

自適應(yīng)背景模型12單高斯法對(duì)每一個(gè)像素利用高斯函數(shù)建模，每一像素點(diǎn)都認(rèn)為服從均值和標(biāo)準(zhǔn)方差的分布，且每一點(diǎn)的高斯分布是獨(dú)立的。每一個(gè)像素處理的都是一系列在相應(yīng)時(shí)間內(nèi)(從起始時(shí)間到當(dāng)前時(shí)間)的該點(diǎn)值的集合，即在任意時(shí)間t像素點(diǎn)

的值應(yīng)該是以時(shí)間為軸的點(diǎn)的集合中的一個(gè),可由下式表示：其中，表示這一個(gè)圖像序列，也就是這個(gè)集合；表示第

幀。那么從時(shí)間軸上看，這些點(diǎn)的集合符合高斯分布，即，單高斯法其中，表示這一個(gè)圖像序列，也就是這個(gè)集合；表示第幀13這里，a稱(chēng)為更新參數(shù)，表示背景變化的速度。優(yōu)點(diǎn)：?jiǎn)胃咚狗植急尘澳Ｐ驮谑覂?nèi)(或其他簡(jiǎn)單場(chǎng)景)進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)可以得到較好的效果，由于運(yùn)算量小，處理速度非?？欤覚z測(cè)到的目標(biāo)比較完整。缺點(diǎn)：當(dāng)場(chǎng)景比較復(fù)雜時(shí)，模型會(huì)變得不穩(wěn)定，而且抗噪聲干擾的能力較差。這里，a稱(chēng)為更新參數(shù)，表示背景變化的速度。14混合高斯法混合高斯模型使用K（基本為3到5個(gè)）個(gè)高斯模型來(lái)表征圖像中各個(gè)像素點(diǎn)的特征；用當(dāng)前圖像中的每個(gè)像素點(diǎn)與混合高斯模型匹配,如果成功則判定該點(diǎn)為背景點(diǎn),否則為前景點(diǎn)；獲得后更新混合高斯模型；通觀(guān)整個(gè)高斯模型，主要是有方差和均值兩個(gè)參數(shù)決定。對(duì)均值和方差的學(xué)習(xí)，采取不同的學(xué)習(xí)機(jī)制,將直接影響到模型的穩(wěn)定性、精確性和收斂性；由于我們是對(duì)運(yùn)動(dòng)目標(biāo)的背景提取建模，因此需要對(duì)高斯模型中方差和均值兩個(gè)參數(shù)實(shí)時(shí)更新；為提高模型的學(xué)習(xí)能力,改進(jìn)方法對(duì)均值和方差的更新采用不同的學(xué)習(xí)率;為提高在繁忙的場(chǎng)景下,大而慢的運(yùn)動(dòng)目標(biāo)的檢測(cè)效果,引入權(quán)值均值的概念；建立背景圖像并實(shí)時(shí)更新,然后結(jié)合權(quán)值、權(quán)值均值和背景圖像對(duì)像素點(diǎn)進(jìn)行前景和背景的分類(lèi)混合高斯法對(duì)均值和方差的學(xué)習(xí)，采取不同的學(xué)習(xí)機(jī)制,15基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤(演講版)課件16優(yōu)點(diǎn)：(1)混合高斯模型可以模擬復(fù)雜的多峰背景(如搖動(dòng)的樹(shù)枝，擺動(dòng)的旗幟等)，(2)不僅能準(zhǔn)確的檢測(cè)出大面積目標(biāo)還能檢測(cè)出小面積的目標(biāo)，(3)運(yùn)算量不是非常大，能夠滿(mǎn)足實(shí)時(shí)性需要。缺點(diǎn)：(1)能夠有效的解決光線(xiàn)漸變的問(wèn)題，但是對(duì)于光線(xiàn)突變非常敏感；優(yōu)點(diǎn)：17陰影去除

RGB色彩空間的陰影消除算法在RGB色彩模型空間中，任何一種顏色都可由R、G、B三原色按一定的比例構(gòu)成，而陰影區(qū)域中的像素亮度值一般比非陰影區(qū)域要小，特別是R、G顏色分量一般都較小，所以依據(jù)這種差別可進(jìn)行陰影消除。陰影去除RGB色彩空間的陰影消除算法18HSV色彩空間的陰影消除算法在HSV色彩空間進(jìn)行圖像處理時(shí)，并不是將H、S、V這3個(gè)值作為判斷的參數(shù)，主要考慮參數(shù)V(圖像的亮度)，并依次進(jìn)行陰影消除，其對(duì)于圖像中極亮和極暗的物體能夠很好地反映出相應(yīng)的信息。陰影不會(huì)顯著改變背景點(diǎn)的色度，但通常會(huì)降低其亮度和飽和度。HSV色彩空間的陰影消除算法陰影不會(huì)顯著改變背景點(diǎn)的色度，但19檢測(cè)后處理形態(tài)學(xué)處理：腐蝕、膨脹運(yùn)動(dòng)目標(biāo)由于顏色和背景接近或者其他噪聲的干擾，可能導(dǎo)致檢測(cè)的結(jié)果出現(xiàn)鏤空或者稱(chēng)為空洞現(xiàn)象。采用形態(tài)學(xué)濾波方法解決這一問(wèn)題。形態(tài)學(xué)濾波是一種以形態(tài)為基礎(chǔ)的分析圖像的數(shù)學(xué)工具。其基本思想是采用一些具有特定形態(tài)的結(jié)構(gòu)元素提取圖像中的對(duì)應(yīng)形狀從而實(shí)現(xiàn)圖像分析的目的。連通域處理、孔洞填充

在使用形態(tài)學(xué)濾波處理完圖像后，一些小的干擾區(qū)域已經(jīng)被除去，小的間隙被連接上，小的孔洞被填充上，但是仍然會(huì)有相對(duì)較大的孔洞存在于檢測(cè)目標(biāo)內(nèi)部。因此，我們使用連通性檢測(cè)的方法進(jìn)行處理，來(lái)去除檢測(cè)到的運(yùn)動(dòng)目標(biāo)內(nèi)部的孔洞。檢測(cè)后處理形態(tài)學(xué)處理：腐蝕、膨脹連通域處理、孔洞填充20運(yùn)動(dòng)目標(biāo)跟蹤MeanShift算法（均值偏移）

通過(guò)視頻圖像中運(yùn)動(dòng)物體的顏色信息來(lái)達(dá)到跟蹤的目的Kalman濾波器

利用反饋控制系統(tǒng)估計(jì)運(yùn)動(dòng)狀，用當(dāng)前的狀態(tài)和誤差協(xié)方差估計(jì)下一時(shí)刻的狀態(tài)運(yùn)動(dòng)目標(biāo)跟蹤MeanShift算法（均值偏移）21MeanShift算法Meanshift：均值偏移方法。采用彩色直方圖作為匹配特征。MeanShift跟蹤算法反復(fù)不斷地把數(shù)據(jù)點(diǎn)朝向MeanShift矢量方向進(jìn)行移動(dòng)，最終收斂到某個(gè)概率密度函數(shù)的極值點(diǎn)。在MeanShift跟蹤算法中，相似度函數(shù)用于刻畫(huà)目標(biāo)模板和候選區(qū)域所對(duì)應(yīng)的兩個(gè)核函數(shù)直方圖的相似性，采用的是Bhattacharyya系數(shù)。因此，這種方法將跟蹤問(wèn)題轉(zhuǎn)化為MeanShift模式匹配問(wèn)題。優(yōu)缺點(diǎn)：MeanShift算法假設(shè)特征直方圖足夠確定目標(biāo)的位置，并且足夠穩(wěn)健，對(duì)其他運(yùn)動(dòng)不敏感。該方法可以避免目標(biāo)形狀、外觀(guān)或運(yùn)動(dòng)的復(fù)雜建模，建立相似度的統(tǒng)計(jì)測(cè)量和連續(xù)優(yōu)化之間的聯(lián)系。但是，MeanShift算法不能用于旋轉(zhuǎn)和尺度運(yùn)動(dòng)的估計(jì)。MeanShift算法過(guò)程

(1)選擇窗口的大小和初始位置(2)計(jì)算此時(shí)窗口內(nèi)的質(zhì)心(3)調(diào)整窗口的中心到質(zhì)心(4)重復(fù)2和3，直到每次窗口移動(dòng)的距離小于一定的閾值MeanShift算法MeanShift算法過(guò)程22Kalman濾波器

基本思想：從本質(zhì)上講，卡爾曼濾波器就是一個(gè)有噪聲線(xiàn)性動(dòng)態(tài)系統(tǒng)狀態(tài)預(yù)估的遞歸算法，它是一個(gè)不斷地預(yù)測(cè)與校正的過(guò)程。當(dāng)假設(shè)系統(tǒng)狀態(tài)模型和觀(guān)測(cè)模型都是線(xiàn)性且符合高斯分布，同時(shí)假設(shè)噪聲也是高斯分布時(shí)，線(xiàn)性卡爾曼濾波器是最優(yōu)的濾波器。局限性：但是，常規(guī)的卡爾曼濾波算法要求系統(tǒng)是線(xiàn)性高斯型的，對(duì)于非線(xiàn)性、非高斯環(huán)境而言，不能直接用來(lái)解決目標(biāo)的估計(jì)問(wèn)題。kalman濾波器實(shí)現(xiàn)的主要五個(gè)方程為：Kalman濾波器kalman濾波器實(shí)現(xiàn)23總結(jié)主要講述了目標(biāo)檢測(cè)和跟蹤的一些常用方法，目標(biāo)檢測(cè)和跟蹤的困難主要來(lái)自于光照的變化、目標(biāo)的非線(xiàn)性形變、遮擋以及背景噪聲和干擾等眾多因素的影響。謝謝大家?。。】偨Y(jié)主要講述了目標(biāo)檢測(cè)和跟蹤的一些常用方24基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤2013.06.05基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤2013.06.05研究應(yīng)用背景視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與目標(biāo)跟蹤具有很強(qiáng)的實(shí)用價(jià)值，主要應(yīng)用在視頻監(jiān)控、視頻圖像壓縮、智能交通、人機(jī)交互、機(jī)器人導(dǎo)航、醫(yī)學(xué)圖像分析、工業(yè)檢測(cè)等領(lǐng)域。研究應(yīng)用背景視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與目標(biāo)跟蹤具有很強(qiáng)26視頻圖像運(yùn)動(dòng)目標(biāo)檢測(cè)陰影去除后處理運(yùn)動(dòng)目標(biāo)跟蹤光流法幀差法背景減法預(yù)處理視頻圖像運(yùn)動(dòng)目標(biāo)檢測(cè)陰影去除后處理運(yùn)動(dòng)目標(biāo)跟蹤光流法幀差法背27視頻圖像的預(yù)處理彩色圖像灰度化圖像的平滑濾波(1)中值濾波(2)鄰域均值濾波(3)高斯濾波視頻圖像的預(yù)處理彩色圖像灰度化28運(yùn)動(dòng)目標(biāo)檢測(cè)

光流法

幀間差分法

背景減除法

背景相減法

均值濾波法

W4模型自適應(yīng)背景模型單高斯模型混合高斯模型ICA：獨(dú)立分量分析PSO：粒子群優(yōu)化算法運(yùn)動(dòng)目標(biāo)檢測(cè)光流法背景相減法ICA：獨(dú)立分量分析29光流法光流法是通過(guò)計(jì)算圖像的光流場(chǎng)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)的一種方法。所謂光流場(chǎng)是指空間運(yùn)動(dòng)物體被觀(guān)測(cè)表面上的像素點(diǎn)運(yùn)動(dòng)產(chǎn)生的瞬時(shí)速度場(chǎng),一個(gè)二維的速度場(chǎng)，包含了物體表面結(jié)構(gòu)和動(dòng)態(tài)行為的重要信息。原理：給圖像中的每一個(gè)像素點(diǎn)賦予一個(gè)光流矢量(即速度矢量)，當(dāng)物體和圖像背景存在相對(duì)運(yùn)動(dòng)時(shí)，運(yùn)動(dòng)物體所形成的速度矢量必然和鄰域背景速度矢量不同，通過(guò)對(duì)序列圖像光流場(chǎng)的分析，計(jì)算出運(yùn)動(dòng)場(chǎng)后，對(duì)場(chǎng)景進(jìn)行分割，從而檢測(cè)出運(yùn)動(dòng)目標(biāo)。光流法的核心是求解出運(yùn)動(dòng)目標(biāo)的光流，即速度。

光流法30鄰幀差分法

將連續(xù)的兩幀或三幀圖像對(duì)應(yīng)像素點(diǎn)的灰度值相減，當(dāng)環(huán)境亮度變化不大時(shí)，如果對(duì)應(yīng)像素值相差很小，則認(rèn)為此處是靜止的，標(biāo)記為背景；如果對(duì)應(yīng)像素值相差較大，則認(rèn)為這是由目標(biāo)運(yùn)動(dòng)引起的，該處像素標(biāo)記為運(yùn)動(dòng)目標(biāo)。

鄰幀差分法31第n-1幀第n幀第n-1幀第n幀32背景相減法原理：建立一個(gè)無(wú)運(yùn)動(dòng)目標(biāo)的背景圖像(第一幀無(wú)運(yùn)動(dòng)目標(biāo)的圖像或前N幀無(wú)運(yùn)動(dòng)目標(biāo)的圖像的均值或中值)，然后將當(dāng)前圖像的像素值與背景圖像的像素值相減，通過(guò)設(shè)置一定的閾值，分割運(yùn)動(dòng)目標(biāo)。優(yōu)點(diǎn)：算法簡(jiǎn)單、實(shí)時(shí)性較高缺點(diǎn)：對(duì)背景的依賴(lài)性較高背景相減法33均值濾波法

均值濾波法采用當(dāng)前幀之前的L幀的平均值作為背景，首先創(chuàng)建一個(gè)可以存儲(chǔ)L幀圖像的存儲(chǔ)空間，之后求這L幀圖像的相同位置的像素值的平均，即

優(yōu)點(diǎn)：運(yùn)算量低，速度快，在有實(shí)時(shí)性要求且對(duì)準(zhǔn)確性要求不高時(shí)得到廣泛的應(yīng)用；

缺點(diǎn)：對(duì)存儲(chǔ)空間需求較高，速度慢的物體時(shí)可能出現(xiàn)空洞。均值濾波法均值濾波法采用當(dāng)前幀之前的L幀的平均值作為34

W4模型

將背景中的每個(gè)像素用最大灰度值MAX(x，y，t)、最小灰度值MIN(x，y，t)和最大鄰間差分值DMAX(x，y，t)描述。其中DMAX(x，y，t)是相鄰幀對(duì)應(yīng)位置像素灰度差的最大值，這三個(gè)參數(shù)可以用圖像序列的前L幀估計(jì)，之后新觀(guān)測(cè)值f(x，y，t)與背景模型的三個(gè)值比較，若滿(mǎn)足下列兩式，則認(rèn)為該像素是背景，否則就是前景點(diǎn)。優(yōu)點(diǎn)：同均值濾波法相比檢測(cè)效果較好，運(yùn)算量也不大，能夠滿(mǎn)足實(shí)時(shí)性要求，而且對(duì)目標(biāo)比較敏感。缺點(diǎn)：當(dāng)運(yùn)動(dòng)目標(biāo)面積小且與背景對(duì)比度低或者目標(biāo)顏色深時(shí)分割效果較差。

W4模型優(yōu)點(diǎn)：同均值濾波法相比檢測(cè)效果較好，運(yùn)算量也不大，能35自適應(yīng)背景模型

將第一幀（無(wú)運(yùn)動(dòng)物體的圖像）作為背景；

選取閾值T；

求當(dāng)前幀的差分圖像

由二值圖像更新背景圖像

自適應(yīng)背景模型36單高斯法對(duì)每一個(gè)像素利用高斯函數(shù)建模，每一像素點(diǎn)都認(rèn)為服從均值和標(biāo)準(zhǔn)方差的分布，且每一點(diǎn)的高斯分布是獨(dú)立的。每一個(gè)像素處理的都是一系列在相應(yīng)時(shí)間內(nèi)(從起始時(shí)間到當(dāng)前時(shí)間)的該點(diǎn)值的集合，即在任意時(shí)間t像素點(diǎn)

的值應(yīng)該是以時(shí)間為軸的點(diǎn)的集合中的一個(gè),可由下式表示：其中，表示這一個(gè)圖像序列，也就是這個(gè)集合；表示第

幀。那么從時(shí)間軸上看，這些點(diǎn)的集合符合高斯分布，即，單高斯法其中，表示這一個(gè)圖像序列，也就是這個(gè)集合；表示第幀37這里，a稱(chēng)為更新參數(shù)，表示背景變化的速度。優(yōu)點(diǎn)：?jiǎn)胃咚狗植急尘澳Ｐ驮谑覂?nèi)(或其他簡(jiǎn)單場(chǎng)景)進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)可以得到較好的效果，由于運(yùn)算量小，處理速度非?？欤覚z測(cè)到的目標(biāo)比較完整。缺點(diǎn)：當(dāng)場(chǎng)景比較復(fù)雜時(shí)，模型會(huì)變得不穩(wěn)定，而且抗噪聲干擾的能力較差。這里，a稱(chēng)為更新參數(shù)，表示背景變化的速度。38混合高斯法混合高斯模型使用K（基本為3到5個(gè)）個(gè)高斯模型來(lái)表征圖像中各個(gè)像素點(diǎn)的特征；用當(dāng)前圖像中的每個(gè)像素點(diǎn)與混合高斯模型匹配,如果成功則判定該點(diǎn)為背景點(diǎn),否則為前景點(diǎn)；獲得后更新混合高斯模型；通觀(guān)整個(gè)高斯模型，主要是有方差和均值兩個(gè)參數(shù)決定。對(duì)均值和方差的學(xué)習(xí)，采取不同的學(xué)習(xí)機(jī)制,將直接影響到模型的穩(wěn)定性、精確性和收斂性；由于我們是對(duì)運(yùn)動(dòng)目標(biāo)的背景提取建模，因此需要對(duì)高斯模型中方差和均值兩個(gè)參數(shù)實(shí)時(shí)更新；為提高模型的學(xué)習(xí)能力,改進(jìn)方法對(duì)均值和方差的更新采用不同的學(xué)習(xí)率;為提高在繁忙的場(chǎng)景下,大而慢的運(yùn)動(dòng)目標(biāo)的檢測(cè)效果,引入權(quán)值均值的概念；建立背景圖像并實(shí)時(shí)更新,然后結(jié)合權(quán)值、權(quán)值均值和背景圖像對(duì)像素點(diǎn)進(jìn)行前景和背景的分類(lèi)混合高斯法對(duì)均值和方差的學(xué)習(xí)，采取不同的學(xué)習(xí)機(jī)制,39基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤(演講版)課件40優(yōu)點(diǎn)：(1)混合高斯模型可以模擬復(fù)雜的多峰背景(如搖動(dòng)的樹(shù)枝，擺動(dòng)的旗幟等)，(2)不僅能準(zhǔn)確的檢測(cè)出大面積目標(biāo)還能檢測(cè)出小面積的目標(biāo)，(3)運(yùn)算量不是非常大，能夠滿(mǎn)足實(shí)時(shí)性需要。缺點(diǎn)：(1)能夠有效的解決光線(xiàn)漸變的問(wèn)題，但是對(duì)于光線(xiàn)突變非常敏感；優(yōu)點(diǎn)：41陰影去除

RGB色彩空間的陰影消除算法在RGB色彩模型空間中，任何一種顏色都可由R、G、B三原色按一定的比例構(gòu)成，而陰影區(qū)域中的像素亮度值一般比非陰影區(qū)域要小，特別是R、G顏色分量一般都較小，所以依據(jù)這種差別可進(jìn)行陰影消除。陰影去除RGB色彩空間的陰影消除算法42HSV色彩空間的陰影消除算法在HSV色彩空間進(jìn)行圖像處理時(shí)，并不是將H、S、V這3個(gè)值作為判斷的參數(shù)，主要考慮參數(shù)V(圖像的亮度)，并依次進(jìn)行陰影消除，其對(duì)于圖像中極亮和極暗的物體能夠很好地反映出相應(yīng)的信息。陰影不會(huì)顯著改變背景點(diǎn)的色度，但通常會(huì)降低其亮度和飽和度。HSV色彩空間的陰影消除算法陰影不會(huì)顯著改變背景點(diǎn)的色度，但43檢測(cè)后處理形態(tài)學(xué)處理：腐蝕、膨脹運(yùn)動(dòng)目標(biāo)由于顏色和背景接近或者其他噪聲的干擾，可能導(dǎo)致檢測(cè)的結(jié)果出現(xiàn)鏤空或者稱(chēng)為空洞現(xiàn)象。采用形態(tài)學(xué)濾波方法解決這一問(wèn)題。形態(tài)學(xué)濾波是一種以形態(tài)為基礎(chǔ)的分析圖像的數(shù)學(xué)工具。其基本思想是采用一些具有特定形態(tài)的結(jié)構(gòu)元素提取圖像中的對(duì)應(yīng)形狀從而實(shí)現(xiàn)圖像分析的目的。連通域處理、孔洞填充

在使用形態(tài)學(xué)濾波處理完圖像后，一些小的干擾區(qū)域已經(jīng)被除去，小的間隙被連接上，小的孔洞被填充上，但是仍然會(huì)有相對(duì)較大的孔洞存在于檢測(cè)目標(biāo)內(nèi)部。因此，我們使用連通性檢測(cè)的方法進(jìn)行處理，來(lái)去除檢測(cè)到的運(yùn)動(dòng)目標(biāo)內(nèi)部的孔洞。檢測(cè)后處理形態(tài)學(xué)處理：腐蝕、膨脹連通域處理、孔洞填充44運(yùn)動(dòng)目標(biāo)跟蹤MeanShift算法（均值偏移）

通過(guò)視頻圖像中運(yùn)動(dòng)物體的顏色信息來(lái)達(dá)到跟蹤的目的Kalman濾波器

利用反饋控制系統(tǒng)估計(jì)運(yùn)動(dòng)狀，用當(dāng)前的狀態(tài)