運(yùn)動目標(biāo)跟蹤(入門級)

1、運(yùn)動目標(biāo)跟蹤運(yùn)動目標(biāo)跟蹤1 概述概述 運(yùn)動目標(biāo)跟蹤在軍事制導(dǎo)，視覺導(dǎo)航，機(jī)器人，智能交通，公共安全等領(lǐng)域有著廣泛的應(yīng)用。例如，在車輛違章抓拍系統(tǒng)中，車輛的跟蹤就是必不可少的。在入侵檢測中，人、動物、車輛等大型運(yùn)動目標(biāo)的檢測與跟蹤也是整個系統(tǒng)運(yùn)行的關(guān)鍵所在。所以，在計算機(jī)視覺領(lǐng)域目標(biāo)跟蹤是一個很重要的分支。 1 概述概述安防監(jiān)控領(lǐng)域的應(yīng)用1 概述概述交通管理領(lǐng)域的應(yīng)用1 概述概述軍事領(lǐng)域的應(yīng)用2 運(yùn)動目標(biāo)檢測運(yùn)動目標(biāo)檢測 運(yùn)動目標(biāo)檢測是運(yùn)動目標(biāo)跟蹤的前提；運(yùn)動目標(biāo)檢測，依據(jù)目標(biāo)與攝像機(jī)之間的關(guān)系可以分為：l 靜態(tài)背景下的運(yùn)動檢測l 動態(tài)背景下的運(yùn)動檢測 2.1 靜態(tài)背景下的運(yùn)動檢測靜態(tài)背景下的運(yùn)

2、動檢測 整個監(jiān)控過程中只有目標(biāo)在運(yùn)動，常用方法： l 背景差方法 l 幀間差方法 l 光流場法 2.1.1 光流法光流法 光流場是空間運(yùn)動物體被觀測表明上的像素點(diǎn)運(yùn)動產(chǎn)生的瞬時二維速度場，包含了物體表面結(jié)構(gòu)和動態(tài)行為的重要信息。 光流法是給圖像中的每一個像素點(diǎn)賦予一個光流矢量（即速度矢量），當(dāng)物體和圖像背景存在相對運(yùn)動時，運(yùn)動物體所形成的速度矢量必然和鄰域背景速度矢量不同，通過對序列圖像光流場的分析，計算出運(yùn)動場后，對場景進(jìn)行分割，從而檢測出運(yùn)動目標(biāo)。2.1.1 光流法光流法2.2.2 鄰幀差分法鄰幀差分法 將連續(xù)的兩幀或三幀圖像對應(yīng)像素點(diǎn)的灰度值相減，當(dāng)環(huán)境亮度變化不大時，如果對應(yīng)像素相差很

3、小，則認(rèn)為這是由目標(biāo)運(yùn)動引起的，該處像素標(biāo)記為運(yùn)動目標(biāo)。2.2.2 鄰幀差分法鄰幀差分法2.2.3 背景相減法背景相減法 建立一個無運(yùn)動目標(biāo)的背景圖像（第1幀無運(yùn)動目標(biāo)的圖像或前N幀無運(yùn)動目標(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，通過設(shè)置一定的閾值，風(fēng)格運(yùn)動目標(biāo)。2.2.3 背景相減法背景相減法2.2 動態(tài)背景下的運(yùn)動檢測動態(tài)背景下的運(yùn)動檢測 監(jiān)控過程中，目標(biāo)和背景都在發(fā)生運(yùn)動或變化，根據(jù)相機(jī)的運(yùn)動形式分為以下兩種 ：l相機(jī)支架固定 l相機(jī)置于移動設(shè)備之上 3 運(yùn)動目標(biāo)跟蹤處理三步驟運(yùn)動目標(biāo)跟蹤處理三步驟 步驟一：目標(biāo)的有效描述（特征提?。?提取目標(biāo)的特征來達(dá)該目

4、標(biāo)，例如：圖像的邊緣、輪廓、形狀、紋理、區(qū)域、直方圖、矩特征、變換系數(shù)等 3 運(yùn)動目標(biāo)跟蹤處理三步驟運(yùn)動目標(biāo)跟蹤處理三步驟 原圖 閾值分割 高斯模型分割運(yùn)動目標(biāo)的準(zhǔn)確分割對于獲取特征信息很重要3 運(yùn)動目標(biāo)跟蹤處理三步驟運(yùn)動目標(biāo)跟蹤處理三步驟 步驟二：相似性度量計算（目標(biāo)建模） 常用的方法有：歐式距離、馬氏距離、棋盤距離、加權(quán)距離、相似系數(shù)、相關(guān)系數(shù)等 3 運(yùn)動目標(biāo)跟蹤處理三步驟運(yùn)動目標(biāo)跟蹤處理三步驟 步驟三：目標(biāo)區(qū)域搜索匹配（特征匹配） 常見的預(yù)測算法算法有：Kalman濾波、粒子濾波、Mean-Shift等 。3 運(yùn)動目標(biāo)跟蹤處理三步驟運(yùn)動目標(biāo)跟蹤處理三步驟 將目標(biāo)分片，建立目標(biāo)分片表現(xiàn)模型

5、（模板）。在目標(biāo)上一幀的位置周圍遍歷搜索，找到與目標(biāo)模板相似度最高的候選目標(biāo)作為跟蹤結(jié)果。3 運(yùn)動目標(biāo)跟蹤處理三步驟運(yùn)動目標(biāo)跟蹤處理三步驟實時更新的模板3.1 Mean-Shift （均值偏移）（均值偏移） 彩色直方圖作為匹配特征，Mean-Shift跟蹤算法反復(fù)不斷的把數(shù)據(jù)點(diǎn)朝向mean-Shift矢量方向移動，最終收斂到某個概率密度函數(shù)的極值點(diǎn)。 Mean-Shift跟蹤算法中，相似度函數(shù)用于刻畫目標(biāo)模板和候選區(qū)域所對應(yīng)的兩個核函數(shù)直方圖的相似性。因此，這種方法將跟蹤問題轉(zhuǎn)化為Mean-Shift模式匹配問題。3.1 Mean-Shift （均值偏移）（均值偏移）l選擇窗口的大小和初始位置

6、l計算此時窗口內(nèi)的質(zhì)心l調(diào)整窗口的中心到質(zhì)心l重復(fù)2和3，直到每次窗口移動的距離小于一定的閾值3.2 Kalman濾波濾波 卡爾曼濾波器是一個有噪聲線性動態(tài)系統(tǒng)狀態(tài)預(yù)估的遞歸算法，它是一個不斷預(yù)測與校正的過程。當(dāng)假設(shè)系統(tǒng)狀態(tài)模型和觀測模型都是線性且符合高斯分布，同時假設(shè)噪聲也是高斯分布，線性卡爾曼濾波器是最優(yōu)的濾波器。3.3 粒子濾波粒子濾波 當(dāng)假設(shè)系統(tǒng)狀態(tài)模型和觀測模型都是非線性且符合不高斯分布，同時假設(shè)噪聲也不是高斯分布，粒子濾波器是比較合適的濾波器。4 最簡單的例子最簡單的例子模板匹配法模板匹配法 把全圖的所有子區(qū)域和目標(biāo)模板比較一下，找到最像目標(biāo)模板的子區(qū)域，即目標(biāo)的位置 。4 最簡單的例子最簡單的例子模板匹配法模板匹配法 假設(shè)目標(biāo)模板是一個10*10的圖像，可以被看作是一個100維的向量，每一維是一個像素點(diǎn)的灰度值。然后把這個向量和圖像中的每一個子區(qū)域作比較，找出相關(guān)系數(shù)最大的子區(qū)域，目標(biāo)的位置就找到了。 4 最簡單的例子最簡單的例子模板匹配法模板匹配法需要考慮的問題：l 相關(guān)系數(shù)l 算法加速l 搜索策略l 模板大小5 基于卡爾曼濾波器的跟蹤方法基于卡爾曼濾波器