運動目標(biāo)檢測與跟蹤課件

智能視頻監(jiān)控系統(tǒng)應(yīng)用范圍

智能視頻監(jiān)控系統(tǒng)應(yīng)用范圍

1執(zhí)行流程執(zhí)行流程2視頻中的目標(biāo)

檢測與跟蹤智能視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)：視頻中的目標(biāo)

檢測與跟蹤智能視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)：3運動目標(biāo)檢測的相關(guān)技術(shù)光流法幀間差方法背景差方法背景估計法4123運動目標(biāo)檢測的相關(guān)技術(shù)光流法幀間差方法背景差4匯報提綱一、目標(biāo)跟蹤二、主要難點三、目標(biāo)匹配的加速搜索四、移動平臺下的目標(biāo)跟蹤五、未來展望匯報提綱一、目標(biāo)跟蹤5匯報提綱一、目標(biāo)跟蹤二、主要難點三、目標(biāo)匹配的加速搜索四、移動平臺下的目標(biāo)跟蹤五、未來展望匯報提綱一、目標(biāo)跟蹤6運動目標(biāo)檢測與跟蹤ppt課件7目標(biāo)跟蹤目標(biāo)跟蹤是基于對圖像序列的研究，力圖從復(fù)雜的背景中檢測甚至辨認(rèn)出運動目標(biāo)，并且對目標(biāo)運動的規(guī)律加以預(yù)測，實現(xiàn)對指定的目標(biāo)進行準(zhǔn)確且連續(xù)的跟蹤。目標(biāo)跟蹤目標(biāo)跟蹤是基于對圖像序列的研究，力圖從復(fù)雜的背景中檢8目標(biāo)跟蹤應(yīng)用領(lǐng)域:安防監(jiān)控,交通管理,體育分析,軍事識別，人機交互…..目標(biāo)跟蹤應(yīng)用領(lǐng)域:安防監(jiān)控,交通管理,體育分析,9目標(biāo)跟蹤應(yīng)用領(lǐng)域:安防監(jiān)控,交通管理,體育分析,軍事識別，人機交互…..目標(biāo)跟蹤應(yīng)用領(lǐng)域:安防監(jiān)控,交通管理,體育分析,10目標(biāo)跟蹤應(yīng)用領(lǐng)域:安防監(jiān)控,交通管理,體育分析,軍事識別，人機交互…..目標(biāo)跟蹤應(yīng)用領(lǐng)域:安防監(jiān)控,交通管理,體育分析,11目標(biāo)跟蹤應(yīng)用領(lǐng)域:安防監(jiān)控,交通管理,體育分析,軍事識別，人機交互…..目標(biāo)跟蹤應(yīng)用領(lǐng)域:安防監(jiān)控,交通管理,體育分析,12目標(biāo)跟蹤應(yīng)用領(lǐng)域:安防監(jiān)控,交通管理,體育分析,軍事識別，人機交互…..目標(biāo)跟蹤應(yīng)用領(lǐng)域:安防監(jiān)控,交通管理,體育分析,13

幀間差分法

這種方法就是將前后兩幀圖像對應(yīng)像素點的灰度值相減，在環(huán)境亮度變化不大的情況下，如果對應(yīng)像素灰度相差很小，可以認(rèn)為此處景物是靜止的，如果圖像區(qū)域某處的灰度變化很大，可以認(rèn)為這是由于圖像中運動物體引起的，將這些區(qū)域標(biāo)記下來，利用這些標(biāo)記的像素區(qū)域，就可以求出運動目標(biāo)在圖像中的位置。幀間差分法這種方法就是將前后兩幀圖像對應(yīng)像素點14優(yōu)點：魯棒性好，運算量小，易于軟件實現(xiàn)缺點：對噪聲有一定的敏感性，運動實體內(nèi)部也容易產(chǎn)生空洞現(xiàn)象，閾值T缺乏自適應(yīng)性，當(dāng)光照變化時，檢測算法難以適應(yīng)環(huán)境變化Default:T=60優(yōu)點：魯棒性好，運算量小，易于軟件實現(xiàn)Default:T=615

背景相減法是目前運動檢測中最常用的一種方法，基本思想是將輸入的圖像與背景圖像或背景模型進行比較，通過判定灰度特征的變化，或用直方圖等統(tǒng)計信息的變化來分割運動目標(biāo)。它一般能夠提供最完全的特征數(shù)據(jù)，但對于動態(tài)場景的變化，如光照和外來無關(guān)事件的干擾等特別敏感。傳統(tǒng)的背景相減法包括背景模型的建立，目標(biāo)決策和背景模型更新三個步驟。

背景相減法 背景相減法是目前運動檢測中最常用的一種方法，基本思想16檢測實例：

（a）第1幀圖像（b）第2幀圖像（c）變化區(qū)域圖像（d）提取出的背景圖像（e）變化區(qū)域與背景差分圖像（f）運動目標(biāo)檢測結(jié)果檢測實例：（a）第1幀圖像（b172023/8/21國內(nèi)外對此類問題的解決辦法：基于濾波、數(shù)據(jù)關(guān)聯(lián)：KalmanFilter,ParticleFilter,PDAF目標(biāo)建模相似度度量目標(biāo)定位基于目標(biāo)建模定位：2023/8/5國內(nèi)外對此類問題的解決辦法：基于濾波、數(shù)據(jù)關(guān)182023/8/21特征抽取：時域：

幾何形狀：邊緣、輪廓、線條（抗光照）紋理：紋理豐富的目標(biāo)顏色：顏色信息（受光照影響大）頻域：

小波特征，傅立葉2023/8/5特征抽?。簳r域：192023/8/21幾種穩(wěn)定的圖像特征：形狀特征：目標(biāo)的形狀是一個二元的圖形，代表了目標(biāo)的邊緣輪廓，因此許多圖像分析的問題都可簡化為形狀分析，形狀分析的目的是簡化原始圖像并且保留目標(biāo)的形狀特征。對目標(biāo)的形狀特征做適當(dāng)?shù)牧炕幚砭涂梢缘玫匠叽?、旋轉(zhuǎn)、光照不變的形狀描述，同時，形狀匹配不受光照條件的影響，使得目標(biāo)識別更穩(wěn)定。2023/8/5幾種穩(wěn)定的圖像特征：形狀特征：目標(biāo)的形狀202023/8/21形狀上下文（shapecontext):以其中某個點與其他n-1個點構(gòu)成n-1個向量

缺點：受遮擋影響，背景復(fù)雜不易提取邊緣解決辦法：提取特征豐富點L2023/8/5形狀上下文（shapecontext):以212023/8/21

顏色特征：顏色屬于目標(biāo)的物理屬性，在跟蹤過程中得以保持穩(wěn)定。且抗縮放、旋轉(zhuǎn)、遮擋、三維視角變化的影響。缺點:

(1)受光照影響明顯；

(2)

r,g,b３維空間增大了計算復(fù)雜度；

(3)易受顏色相近背景的干擾。解決辦法：

尋找克服光照的顏色空間；將３維顏色空間降維。2023/8/5顏色特征：顏色屬于目標(biāo)的物理屬性，在跟蹤222023/8/21降維后的顏色空間：2023/8/5降維后的顏色空間：23分片匹配分片匹配24匯報提綱一、目標(biāo)跟蹤二、主要難點三、目標(biāo)匹配的加速搜索四、移動平臺下的目標(biāo)跟蹤五、未來展望匯報提綱一、目標(biāo)跟蹤25背景混亂目標(biāo)被遮擋縮放和旋轉(zhuǎn)光照變化攝像機運動非剛性目標(biāo)研究多特征融合的目標(biāo)匹配與跟蹤算法具有重要的理論意義和實用價值

主要難點背景混亂目標(biāo)被遮擋縮放和旋轉(zhuǎn)光照變化攝像機運動非剛性目標(biāo)研究26匯報提綱一、目標(biāo)跟蹤二、主要難點三、目標(biāo)匹配的加速搜索四、移動平臺下的目標(biāo)跟蹤五、未來展望匯報提綱一、目標(biāo)跟蹤27目標(biāo)匹配的加速搜索目標(biāo)匹配的加速搜索28若干遺傳代后收斂情況第10代第50代第20代若干遺傳代后收斂情況第10代第50代第20代29若干遺傳代后收斂情況第10代第50代第20代若干遺傳代后收斂情況第10代第50代第20代30圖像序列跟蹤結(jié)果遮擋造成適應(yīng)度下降圖像序列跟蹤結(jié)果遮擋造成31計算時間統(tǒng)計對比計算時間統(tǒng)計對比32匯報提綱一、目標(biāo)跟蹤二、主要難點三、目標(biāo)匹配的加速搜索四、移動平臺下的目標(biāo)跟蹤五、未來展望匯報提綱一、目標(biāo)跟蹤33移動平臺下的目標(biāo)跟蹤檢測背景運動并補償移動平臺下的目標(biāo)跟蹤檢測背景運動并補償34塊匹配補償背景運動

子塊劃分

塊匹配背景運動補償塊匹配補償背景運動塊匹配背景運動補償35特征豐富的區(qū)域區(qū)域確定GoodBad特征豐富的區(qū)域區(qū)域確定GoodBad36EvaluatingFeatureRichnessApproachColorOrientationCodes

EntropyEvaluatingFeatureRichnessApp37移動平臺下的目標(biāo)跟蹤先前幀特征熵抽取的特征區(qū)域移動平臺下的目標(biāo)跟蹤先前幀特征熵抽取的特征區(qū)域38CovariancematricesApproachCovarianceMatchingCovarianceApproachCovariance39Approach

DistanceMeasureofCovarianceMatricesApproachDistanceMeasureofC40Approach