基于2-d仿真的運動目標(biāo)跟蹤和判別系統(tǒng)_第1頁
基于2-d仿真的運動目標(biāo)跟蹤和判別系統(tǒng)_第2頁
基于2-d仿真的運動目標(biāo)跟蹤和判別系統(tǒng)_第3頁
基于2-d仿真的運動目標(biāo)跟蹤和判別系統(tǒng)_第4頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

基于2-d仿真的運動目標(biāo)跟蹤和判別系統(tǒng)

視覺環(huán)境檢測不僅是一個非常挑戰(zhàn)的研究問題,也是計算機視覺的重要應(yīng)用,因此引起了人們的關(guān)注。相關(guān)的技術(shù)問題主要有兩點:一是監(jiān)測;二是對目標(biāo)進行動作分析(activeanalysis)以實現(xiàn)智能監(jiān)控(smartsurveillance)。在監(jiān)測方面,為實現(xiàn)大視場,系統(tǒng)可使用多個攝像機或單個運動攝像機。前者的實現(xiàn)和安裝都很復(fù)雜,因而我們選擇簡便可行的后者。此時為監(jiān)測運動目標(biāo),系統(tǒng)需要區(qū)分背景運動(靜止環(huán)境在運動攝像機中投影的運動)和目標(biāo)自運動,為此需要用某種運動模型擬合背景運動,則自運動目標(biāo)可作為背景運動的出格點被檢測出來。背景運動模型估計時由于出格點的存在,必須使用魯棒的參數(shù)估計方法。在目標(biāo)(一般是人)的動作分析方面,通常的方法需要分辨出人體的各部分或大致形狀,這樣計算復(fù)雜,而且對目標(biāo)檢測的要求很高;或是需要預(yù)先進行訓(xùn)練,不能在安裝系統(tǒng)后馬上使用。本系統(tǒng)中由于目標(biāo)往往離攝像機很遠,其形狀難以精確檢測,因此我們利用周期性度量只給出定性判別,即目標(biāo)是人,還是汽車、坦克類的機動目標(biāo)。1目標(biāo)跟蹤跟蹤階段系統(tǒng)的處理流程如圖1所示。該系統(tǒng)有兩種工作狀態(tài):全景圖拼接和目標(biāo)跟蹤。在全景圖拼接階段,攝像機環(huán)拍一周后得到場景的兩幅全景圖,一幅鑲嵌有環(huán)拍過程中檢測到的運動目標(biāo),另一幅則濾去了運動目標(biāo);在目標(biāo)跟蹤階段,系統(tǒng)在檢測出運動目標(biāo)后能實現(xiàn)可靠跟蹤,并控制攝像機盯住該目標(biāo)。在兩種狀態(tài)下都可進行目標(biāo)判別。2背景運動目標(biāo)的近自然實現(xiàn)在主運動分析的模型選擇方面,一般說來,模型簡單,則計算簡單且穩(wěn)定,但適用范圍受到限制;模型復(fù)雜,能夠適用于一般的環(huán)境中,但計算復(fù)雜,難以應(yīng)用于實時系統(tǒng);魯棒性也差,在短基線情況下的計算穩(wěn)定性難以保證。在本系統(tǒng)的工作環(huán)境下,目標(biāo)和背景都在遠處,而攝像機又沒有平移,因此2-D運動模型是合適的選擇。文提出了2-D仿射運動模型。該模型計算簡單,穩(wěn)定性好,不需要標(biāo)定攝像機,雖然限制攝像機的運動方式為純旋轉(zhuǎn),但與本系統(tǒng)的實驗環(huán)境相符合,選擇該模型來描述背景運動:設(shè)(u,v)和(u′,v′)是相鄰兩幀上的一組對應(yīng)點,由于幀間攝像機運動是小角度的旋轉(zhuǎn),有:{su′=u+αv-Τu?sv′=v-αu-Τv?(1)其中:s為一尺度因子,(Tu,Tv)是平移向量,α是旋轉(zhuǎn)角。我們的實際算法有下面一些特點:1)利用SAD(sumofabsolutedifference)的塊匹配算法既避免了低層匹配特征提取中的不精確,又比相關(guān)運算節(jié)省了計算時間,效果良好;2)灰度均衡化在一定程度上消除了光照變化的影響;3)采用多分辨率的塊匹配算法,使計算復(fù)雜度從O(n2)減少到O(k·lg(n));4)使用魯棒M-估計來計算模型參數(shù),在出格點較多的情況下仍能得到很好的結(jié)果。系統(tǒng)在環(huán)境監(jiān)控的同時能得到鑲嵌或濾去了運動目標(biāo)的全景圖,從而使用戶對整個環(huán)境有一個總體把握。拼接在完成主運動參數(shù)估計后,用逐步拼接豎條紋的方法累進完成。這樣不需要保存采集的圖像,當(dāng)前幀到全景圖所在的柱面坐標(biāo)系的變換也可在要拼接的豎條內(nèi)進行,大大節(jié)省了時間和空間。系統(tǒng)用中值濾波濾去運動目標(biāo),并為檢測到的目標(biāo)維護一緩沖區(qū)序列,最后將目標(biāo)鑲嵌到全景圖中。圖2是鑲嵌了運動目標(biāo)的全景圖。視頻數(shù)據(jù)是用手提攝像機在清華圖書館獲得,圖像分辨率384×288,景物的距離在10m以外。數(shù)據(jù)是由人旋轉(zhuǎn)一周取得,攝像機不能保持水平方向,因而得到的全景圖在對準到第一幀的坐標(biāo)系統(tǒng)后不在柱面上。注意:鑲嵌的運動目標(biāo)在圖中用反相(即顏色值的分量取反)標(biāo)出。3目標(biāo)跟蹤和跟蹤補償了主運動后就可在殘差圖上聚類運動目標(biāo)。設(shè)相鄰兩幀圖像為f1(X),f2(X),幀間運動參數(shù)是s,α,Tu,Tv,則殘差圖D(X)可表示為:D(X)=|f′2(X)-f1(X)|?(2)其中:f′2(X)=f2(R-1(X/s-Τ))?(3)R=[1α-α1]?Τ=[-Τu-Τv].(4)f′2(X)是f2(X)相對于f1(X)補償了背景運動的圖像。用矩形表示得到的每個運動目標(biāo),矩形的參數(shù)按下面的方法獲得:得到殘差圖后先去除孤立的噪聲點,然后根據(jù)同一目標(biāo)內(nèi)各點的間距小、不同目標(biāo)間間距大的原理,按最近鄰聚類的方法得到聚類結(jié)果。圖3是運動檢測的結(jié)果。為了可靠地檢測目標(biāo),去除可能的誤檢測,補上漏檢測,系統(tǒng)維護一個運動目標(biāo)的緩沖池來實現(xiàn)可靠跟蹤。原理是目標(biāo)運動的時空連續(xù)性。只有連續(xù)在類似位置上出現(xiàn)的目標(biāo)才認為是可靠的檢測,而偶爾出現(xiàn)的目標(biāo)被當(dāng)作誤檢測去除;類似地,某一目標(biāo)連續(xù)消失兩幀以上才認為是目標(biāo)消失,否則系統(tǒng)就認為是漏檢測而將它補上。在可靠地檢測出運動目標(biāo)后,系統(tǒng)通過限制目標(biāo)檢測的搜索區(qū)域來加快速度、實現(xiàn)跟蹤。如果局部搜索的效果不好(與緩沖池中的結(jié)果相差很遠),系統(tǒng)會自動改成全局搜索。這樣在減少檢測時間的同時又不降低系統(tǒng)性能。在目標(biāo)跟蹤階段,系統(tǒng)要根據(jù)檢測出的目標(biāo)方位調(diào)整攝像機朝向以實現(xiàn)主動跟蹤。設(shè)當(dāng)前幀上運動目標(biāo)到圖像中心的偏移是(dx,dy),則要盯住運動目標(biāo),攝像機的水平旋轉(zhuǎn)調(diào)整量α和俯仰調(diào)整量β應(yīng)滿足tanα=dxf?tanβ=dyf,其中f是攝像機的焦距,系統(tǒng)對f的計算引入反饋機制,即根據(jù)上次對攝像機角度調(diào)整的結(jié)果修改f,從而使平臺的轉(zhuǎn)動更平穩(wěn)。4f使用證信號出的目標(biāo)調(diào)度文對圖像序列中周期性的檢測和度量問題進行了研究。它依賴于多幀上對同一目標(biāo)的準確定位和準確大小估計,得到該區(qū)域上的一個模板作為周期性評價,模板中每一點的取值都是一個時域序列頻譜分析的結(jié)果。它利用時空圖來定位目標(biāo),要求周期性運動的目標(biāo)不平移,或者背景不動,這并不適用于我們的具體環(huán)境;它得到的評價是定義在一個矩形區(qū)域上的模板,這樣對目標(biāo)檢測提出很高的要求,要求目標(biāo)能準確定位、目標(biāo)的朝向不變、目標(biāo)能檢測出完整的形狀,這在目標(biāo)較遠的情況下也是極為困難的。對一個目標(biāo)給出一個數(shù)值來量度周期性的強弱。實驗顯示,該方法對目標(biāo)檢測中的不精確、不完整有較強的魯棒性。受文的啟發(fā),利用目標(biāo)的周期性完成判別工作。所謂周期性,是指空域紋理在時域上的周期性變化。Fourier頻譜分析是進行周期性度量的有效工具。設(shè)f(t)為一時變序列,則其頻譜F(w)=|∫f(t)e-i2πwtdt|2能反映該序列的周期性性,F(w)的能量越集中于某幾個離散值(諧波)處,就表示f(t)的周期性越強。本系統(tǒng)使用基于頻譜的度量來完成周期性判別,即用諧波能量和總能量的比來量度時域上的周期性。為了對每一目標(biāo)給出單一的評價值,對每一幀上的運動目標(biāo)區(qū)域賦以單個評價值P,則最終評價可通過對一維數(shù)組Pi,i=1,…,N(N是考慮的總幀數(shù))進行頻域分析得到。P的選擇必須滿足以下條件:1)該值的變化應(yīng)能正確反映目標(biāo)區(qū)域的周期性變化;2)該值的選擇應(yīng)對目標(biāo)區(qū)域大小、目標(biāo)的完整性、目標(biāo)運動時的背景以及目標(biāo)朝向的變化有好的魯棒性。據(jù)此確定P的步驟是:在將目標(biāo)區(qū)域二值化后,先進行預(yù)處理以去除孤立噪聲點,再計算區(qū)域中每行目標(biāo)點的方差Dk,令Ρk=Dk/n12k,其中nk是該行目標(biāo)點的數(shù)目,設(shè)該幀中Pk值大于0的行數(shù)為m,選擇Pk序列中從大到小第m/4個元素作為該幀的周期性度量P。實驗顯示P的變化對應(yīng)于人走動時上下肢的周期性擺動。圖4、圖5是運動目標(biāo)判別的實驗結(jié)果,分別對應(yīng)于人和車輛。其中圖4、圖5(a)是原始序列的一段,(b)是檢測出運動目標(biāo)后減去背景并二值化的結(jié)果,(c)是得到的序列Pi,(d)是其頻譜。系統(tǒng)根據(jù)頻譜圖中最大的幾個能量值之和與總能量的比值來進行目標(biāo)判別。實驗顯示,該方法對目標(biāo)檢測中的不精確、不完整有好的魯棒性。5實時圖像采集本系統(tǒng)采用了多種加速技術(shù)以達到實時:1)利用MMX(multi-mediaextension)技術(shù)實現(xiàn)塊匹配;2)運動檢測時的二值化處理;3)限制搜索范圍進行運動跟蹤;4)實時拼接。本系統(tǒng)既用磁盤數(shù)據(jù)(室外的圖書館序列)進行了測試,也在旋轉(zhuǎn)平臺上(室內(nèi)環(huán)境)進行了實時圖像采集。實驗在PⅡ266的PC機上完成。磁盤數(shù)據(jù)的圖像分辨率為384×288,共235幀,每幀的主運動估計耗時50~60ms,運動檢測要40ms,而跟蹤只需40ms,全景圖的拼接時間不超過5ms,總時間(不包括磁盤數(shù)據(jù)的載入)在檢測時是105ms,跟蹤只需70ms;實時采集時的圖像分辨率為320×240,攝像機環(huán)拍一周共采圖110~120幀,每幀的主運動估計耗時40~50ms,運動檢測要35ms,而跟蹤只需5~10ms,全景圖的拼接時間不超過5ms,總時間(不包括圖像采集)在檢測時是95ms,跟蹤只需55ms,圖像采集要40~50ms,幀速為6.5幀/s,環(huán)拍一周并進行全景圖拼接可在20s之內(nèi)完成。6幀間運動目標(biāo)的判別和動態(tài)補償實現(xiàn)了一個自然環(huán)境中的運動目標(biāo)快速檢測、跟蹤和判別系統(tǒng)。用簡單的2-D仿射模型來擬合主運動;魯棒參數(shù)估計方法可在出格點存在的情況下正確求解幀間運動參數(shù);基于出格點聚類得到運動目標(biāo)區(qū)域;限制搜索范圍、維護運動目標(biāo)緩沖池以實現(xiàn)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論