運動目標(biāo)檢測ppt課件

.,基于背景減法和幀差法的運動目標(biāo)檢測,電子與通信工程1670737,.,運動目標(biāo)檢測是指對序列圖像使用基于信號檢測的方法自動分離出運動像素點和靜止像素點，將變化區(qū)域從背景圖像中提取出來，一般是確定目標(biāo)所在區(qū)域和顏色特征，即檢測出場景中相對運動的目標(biāo)的過程。運動目標(biāo)檢測通常處于計算機圖像、視頻處理工作底層，是各種后續(xù)高級處理或應(yīng)用，如目標(biāo)跟蹤、目標(biāo)分類、目標(biāo)行為理解等的基礎(chǔ)。,智能監(jiān)控系統(tǒng)能夠處理從攝像機捕捉到的視頻數(shù)據(jù)，并控制整個視頻監(jiān)控系統(tǒng)，從而賦予視頻監(jiān)控類似人類的智能，運動目標(biāo)檢測廣泛應(yīng)用于智能交通系統(tǒng)中，可以通過目標(biāo)檢測技術(shù)來判斷道路交通狀況，如：車輛超速、違規(guī)、交通事故等，也可監(jiān)測交通流量，以使交通指揮人員做出合理的調(diào)度。運動目標(biāo)檢測在軍事、安檢和航空航天等領(lǐng)域也得到越來越多的研究，一些項目已經(jīng)在實際應(yīng)用中取得了相當(dāng)不錯的效果。,.,紋理：它是量化物體表面強度變化的量，一般需要生成描述算子灰度共生矩陣等使用紋理特征進行運動目標(biāo)檢測。,顏色：目標(biāo)的外觀顏色與背景不同，可以對其進行檢測。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)的邊緣通常會有較大的亮度變化，而邊緣檢測可以捕捉這變化。邊緣這一特性不易受陽光等外界因素影響，比較簡單精確。,流光：它是一個定義了每個像素運動矢量的密集場。先假定連續(xù)幀中對應(yīng)像素的亮度值恒定，接著根據(jù)亮度約束進行計算，常應(yīng)用于運動目標(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。,在進行運動目標(biāo)檢測時，運動目標(biāo)的特性與背景存在差異才能檢測出來。一些常見的目標(biāo)特性可以概括如下：,.,幀差法是最為常用的運動目標(biāo)檢測和分割方法之一，在圖像序列相鄰兩幀或三幀間對應(yīng)像素灰度值發(fā)生變化，通過這些差異提取出圖像中的運動區(qū)域。,將相鄰幀圖像對應(yīng)像素值相減得到差分圖像，然后對差分圖像二值化，在環(huán)境亮度變化不大的情況下，如果對應(yīng)像素值變化小于事先確定的閾值時，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，或稱背景差法，是目前運動檢測中的主流方法，它是利用含有運動目標(biāo)的當(dāng)前圖像與背景圖像的差分來檢測運動區(qū)域的一種技術(shù)，將當(dāng)前幀與背景圖像進行差分比較實現(xiàn)對運動區(qū)域的檢測，其中區(qū)別較大的像素區(qū)域被認(rèn)為是運動區(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，用事先存儲或者實時得到的背景圖像序列作為背景模型，將當(dāng)前含運動目標(biāo)的圖像幀和背景模型相減，其次，將計算結(jié)果在一定閾值T限制下進行二值化，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)的運動目標(biāo)像素。由于運動目標(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語法結(jié)構(gòu)簡單，并具有極強的數(shù)值計算、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)境中實現(xiàn)運動目標(biāo)檢測。,兩幀差分法是最簡單的運動目標(biāo)檢測方法之一，由于其運算量比較小，容易實現(xiàn)。然而由于兩幀差法進行運動目標(biāo)檢測是前后兩幀求差的運算，可能會攜帶兩幀的運動細(xì)節(jié)，從而檢測出的目標(biāo)可能會比實際目標(biāo)要大，或不準(zhǔn)確。,本文用三幀差分法代替兩幀差分法進行目標(biāo)檢測。三幀差分法就是先對圖像進行兩幀差分，再對差分后的圖像進行“與”運算，從而可以得到兩個差分圖像的相同區(qū)域，避免了兩幀差中檢測出的目標(biāo)被拉長拉高的現(xiàn)象。,實驗數(shù)據(jù)以靜態(tài)背景下的視頻為例，以常見的車輛與行人作為要檢測的運動目標(biāo)。得到運動圖像后，一般要進行連通性分析，常用的方法是先計算某一連通區(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)域為運動前景，否則為噪聲，要去除。,運用三幀差分所檢測出的運動目標(biāo)，可以有效的檢測出運動物體，能夠較清晰地得到運動物體的輪廓。,.,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間間隔，這一般取決于運動目標(biāo)的速度。對于快速運動的目標(biāo)，需要選擇較短的時間間隔，如果選擇不當(dāng)，最壞情況下目標(biāo)在前后兩幀中沒有重疊，被檢測為兩個分開的目標(biāo)；對于慢速運動的目標(biāo)，應(yīng)該選擇較長的時間間隔，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，根本檢測不到目標(biāo)。,.,用事先存儲或者實時得到的背景圖像序列作為背景模型，將當(dāng)前含運動目標(biāo)的圖像幀和背景模型相減，其次，將計算結(jié)果在一定閾值T限制下進行二值化，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)的運動目標(biāo)像素。,相減后的圖像，一般要進行連通性分析，判斷此區(qū)域是否為運動前景或者為噪聲。去噪，剔除過小噪聲。,本文選取某一原始幀作為背景，實際中是對背景圖像序列每一個像素進行統(tǒng)計建模得到背景模型，常采用的建模方法有很多，例如高斯背景建模，背景建模對目標(biāo)檢測的準(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單，普遍應(yīng)用的運動目標(biāo)檢測方法。但是對于幀差法，運動過快或者運動過慢的目標(biāo)，檢測的準(zhǔn)確率大大降低，甚至檢測不出，在動態(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，最簡單的背景模型獲取方法是在場景沒有運動目標(biāo)時采集圖像作為背景，但這種背景存在局限性。目前很多人致力于不同背景模