運(yùn)動(dòng)目標(biāo)檢測(cè)ppt課件

.,基于背景減法和幀差法的運(yùn)動(dòng)目標(biāo)檢測(cè),電子與通信工程1670737,.,運(yùn)動(dòng)目標(biāo)檢測(cè)是指對(duì)序列圖像使用基于信號(hào)檢測(cè)的方法自動(dòng)分離出運(yùn)動(dòng)像素點(diǎn)和靜止像素點(diǎn)，將變化區(qū)域從背景圖像中提取出來(lái)，一般是確定目標(biāo)所在區(qū)域和顏色特征，即檢測(cè)出場(chǎng)景中相對(duì)運(yùn)動(dòng)的目標(biāo)的過(guò)程。運(yùn)動(dòng)目標(biāo)檢測(cè)通常處于計(jì)算機(jī)圖像、視頻處理工作底層，是各種后續(xù)高級(jí)處理或應(yīng)用，如目標(biāo)跟蹤、目標(biāo)分類(lèi)、目標(biāo)行為理解等的基礎(chǔ)。,智能監(jiān)控系統(tǒng)能夠處理從攝像機(jī)捕捉到的視頻數(shù)據(jù)，并控制整個(gè)視頻監(jiān)控系統(tǒng)，從而賦予視頻監(jiān)控類(lèi)似人類(lèi)的智能，運(yùn)動(dòng)目標(biāo)檢測(cè)廣泛應(yīng)用于智能交通系統(tǒng)中，可以通過(guò)目標(biāo)檢測(cè)技術(shù)來(lái)判斷道路交通狀況，如：車(chē)輛超速、違規(guī)、交通事故等，也可監(jiān)測(cè)交通流量，以使交通指揮人員做出合理的調(diào)度。運(yùn)動(dòng)目標(biāo)檢測(cè)在軍事、安檢和航空航天等領(lǐng)域也得到越來(lái)越多的研究，一些項(xiàng)目已經(jīng)在實(shí)際應(yīng)用中取得了相當(dāng)不錯(cuò)的效果。,.,紋理：它是量化物體表面強(qiáng)度變化的量，一般需要生成描述算子灰度共生矩陣等使用紋理特征進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。,顏色：目標(biāo)的外觀顏色與背景不同，可以對(duì)其進(jìn)行檢測(cè)。在圖像處理中，RGB顏色空間與HSV顏色空間都有廣泛應(yīng)用。,邊緣：目標(biāo)的邊緣通常會(huì)有較大的亮度變化，而邊緣檢測(cè)可以捕捉這變化。邊緣這一特性不易受陽(yáng)光等外界因素影響，比較簡(jiǎn)單精確。,流光：它是一個(gè)定義了每個(gè)像素運(yùn)動(dòng)矢量的密集場(chǎng)。先假定連續(xù)幀中對(duì)應(yīng)像素的亮度值恒定，接著根據(jù)亮度約束進(jìn)行計(jì)算，常應(yīng)用于運(yùn)動(dòng)目標(biāo)分割和跟蹤。,本文主要研究幀差法與背景減法。幀差法利用前后幀的邊緣特性，背景減法中主要基于目標(biāo)的顏色特性。,在進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)，運(yùn)動(dòng)目標(biāo)的特性與背景存在差異才能檢測(cè)出來(lái)。一些常見(jiàn)的目標(biāo)特性可以概括如下：,.,幀差法是最為常用的運(yùn)動(dòng)目標(biāo)檢測(cè)和分割方法之一，在圖像序列相鄰兩幀或三幀間對(duì)應(yīng)像素灰度值發(fā)生變化，通過(guò)這些差異提取出圖像中的運(yùn)動(dòng)區(qū)域。,將相鄰幀圖像對(duì)應(yīng)像素值相減得到差分圖像，然后對(duì)差分圖像二值化，在環(huán)境亮度變化不大的情況下，如果對(duì)應(yīng)像素值變化小于事先確定的閾值時(shí)，可以認(rèn)為此處為背景像素；如果圖像區(qū)域的像素值變化很大，將這些區(qū)域標(biāo)記為前景像素,.,背景減法，或稱(chēng)背景差法，是目前運(yùn)動(dòng)檢測(cè)中的主流方法，它是利用含有運(yùn)動(dòng)目標(biāo)的當(dāng)前圖像與背景圖像的差分來(lái)檢測(cè)運(yùn)動(dòng)區(qū)域的一種技術(shù)，將當(dāng)前幀與背景圖像進(jìn)行差分比較實(shí)現(xiàn)對(duì)運(yùn)動(dòng)區(qū)域的檢測(cè)，其中區(qū)別較大的像素區(qū)域被認(rèn)為是運(yùn)動(dòng)區(qū)域，而區(qū)別較小的像素區(qū)域被認(rèn)為是背景區(qū)域。,定義,首先，用事先存儲(chǔ)或者實(shí)時(shí)得到的背景圖像序列作為背景模型，將當(dāng)前含運(yùn)動(dòng)目標(biāo)的圖像幀和背景模型相減，其次，將計(jì)算結(jié)果在一定閾值T限制下進(jìn)行二值化，判斷出當(dāng)前圖像中出現(xiàn)的偏離背景模型值較大的像素，則為出現(xiàn)的運(yùn)動(dòng)目標(biāo)像素。由于運(yùn)動(dòng)目標(biāo)與背景在灰度或色彩上存在差異，相減、閾值操作后得到的結(jié)果直接給出了目標(biāo)的位置、大小、形狀等，從而可得到較完整的目標(biāo)信息。,步驟,原理,.,MATLAB語(yǔ)法結(jié)構(gòu)簡(jiǎn)單，并具有極強(qiáng)的數(shù)值計(jì)算、圖形文字處理、數(shù)據(jù)分析和圖形繪制等功能，效率比較高。本文涉及的背景法與幀差法都是在MATLAB環(huán)境中實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)。,兩幀差分法是最簡(jiǎn)單的運(yùn)動(dòng)目標(biāo)檢測(cè)方法之一，由于其運(yùn)算量比較小，容易實(shí)現(xiàn)。然而由于兩幀差法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)是前后兩幀求差的運(yùn)算，可能會(huì)攜帶兩幀的運(yùn)動(dòng)細(xì)節(jié)，從而檢測(cè)出的目標(biāo)可能會(huì)比實(shí)際目標(biāo)要大，或不準(zhǔn)確。,本文用三幀差分法代替兩幀差分法進(jìn)行目標(biāo)檢測(cè)。三幀差分法就是先對(duì)圖像進(jìn)行兩幀差分，再對(duì)差分后的圖像進(jìn)行“與”運(yùn)算，從而可以得到兩個(gè)差分圖像的相同區(qū)域，避免了兩幀差中檢測(cè)出的目標(biāo)被拉長(zhǎng)拉高的現(xiàn)象。,實(shí)驗(yàn)數(shù)據(jù)以靜態(tài)背景下的視頻為例，以常見(jiàn)的車(chē)輛與行人作為要檢測(cè)的運(yùn)動(dòng)目標(biāo)。得到運(yùn)動(dòng)圖像后，一般要進(jìn)行連通性分析，常用的方法是先計(jì)算某一連通區(qū)域的面積，如果其面積大于事先設(shè)定的閾值，那么判斷此區(qū)域?yàn)檫\(yùn)動(dòng)前景，否則為噪聲，要去除。,運(yùn)用三幀差分所檢測(cè)出的運(yùn)動(dòng)目標(biāo)，可以有效的檢測(cè)出運(yùn)動(dòng)物體，能夠較清晰地得到運(yùn)動(dòng)物體的輪廓。,.,圖4-1三幀差分法,.,.,.,使用幀間差分法，需要考慮如何選擇合理的時(shí)間間隔，這一般取決于運(yùn)動(dòng)目標(biāo)的速度。對(duì)于快速運(yùn)動(dòng)的目標(biāo)，需要選擇較短的時(shí)間間隔，如果選擇不當(dāng)，最壞情況下目標(biāo)在前后兩幀中沒(méi)有重疊，被檢測(cè)為兩個(gè)分開(kāi)的目標(biāo)；對(duì)于慢速運(yùn)動(dòng)的目標(biāo)，應(yīng)該選擇較長(zhǎng)的時(shí)間間隔，如果選擇不當(dāng)，最壞情況下目標(biāo)在前后兩幀中幾乎完全重疊，根本檢測(cè)不到目標(biāo)。,.,用事先存儲(chǔ)或者實(shí)時(shí)得到的背景圖像序列作為背景模型，將當(dāng)前含運(yùn)動(dòng)目標(biāo)的圖像幀和背景模型相減，其次，將計(jì)算結(jié)果在一定閾值T限制下進(jìn)行二值化，判斷出當(dāng)前圖像中出現(xiàn)的偏離背景模型值較大的像素，則為出現(xiàn)的運(yùn)動(dòng)目標(biāo)像素。,相減后的圖像，一般要進(jìn)行連通性分析，判斷此區(qū)域是否為運(yùn)動(dòng)前景或者為噪聲。去噪，剔除過(guò)小噪聲。,本文選取某一原始幀作為背景，實(shí)際中是對(duì)背景圖像序列每一個(gè)像素進(jìn)行統(tǒng)計(jì)建模得到背景模型，常采用的建模方法有很多，例如高斯背景建模，背景建模對(duì)目標(biāo)檢測(cè)的準(zhǔn)確性起了重要作用。,.,圖4-7背景減法,.,.,.,.,幀差法與背景減法都比較簡(jiǎn)單，普遍應(yīng)用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。但是對(duì)于幀差法，運(yùn)動(dòng)過(guò)快或者運(yùn)動(dòng)過(guò)慢的目標(biāo)，檢測(cè)的準(zhǔn)確率大大降低，甚至檢測(cè)不出，在動(dòng)態(tài)背景下也不適用，易受外界環(huán)境變化的干擾。背景減法的關(guān)鍵在于背景模型，最簡(jiǎn)單的背景模型獲取方法是在場(chǎng)景沒(méi)有運(yùn)動(dòng)目標(biāo)時(shí)采集圖像作為背景，但這種背景存在局限性。目前很多人致力于不同背景模