(信号与信息处理专业论文)基于高斯混合模型的图像序列运动目标检测技术研究.pdf_第1页
(信号与信息处理专业论文)基于高斯混合模型的图像序列运动目标检测技术研究.pdf_第2页
(信号与信息处理专业论文)基于高斯混合模型的图像序列运动目标检测技术研究.pdf_第3页
(信号与信息处理专业论文)基于高斯混合模型的图像序列运动目标检测技术研究.pdf_第4页
(信号与信息处理专业论文)基于高斯混合模型的图像序列运动目标检测技术研究.pdf_第5页
已阅读5页,还剩54页未读, 继续免费阅读

(信号与信息处理专业论文)基于高斯混合模型的图像序列运动目标检测技术研究.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

武汉理t 大学硕十学位论文 摘要 运动目标检测技术是计算机视觉领域的重要研究内容,它对运动目标的分 类、跟踪及行为理解等后续处理产生重要影响,在机器人导航、智能监视系统、 医学图像分析以及视频图像压缩和传输等领域中都有广泛的应用。然而,针对 不同的应用场景,目前运动目标检测方法由于算法复杂、耗时以及缺乏鲁棒性, 在实际的处理和应用中受到了很大的限制。本文对背景建模以及运动目标的检 测的相关问题进行了深入的研究,其中着重研究了高斯混合模型和阴影检测与 消除的问题。本文的主要研究工作如下: ( 1 ) 在对运动目标的检测的基本方法的原理一一介绍的基础上,详细分析 了基于高斯混合模型进行运动目标检测的方法,其中包括从像素模型的定义, 像素模型参数的更新,到背景像素模型的建立的三个方面来分析如何通过高斯 混合模型进行背景建模,以及背景模型的更新过程中应该注意到的问题。 ( 2 ) 给出了本文在计算当前观测值与背景像素距离时所采用的线性距离计 算准则和最大距离计算准则以及如何通过训练模型计算得到阈值,此阈值用来 判定当日玎观测值是背景还是前景。 ( 3 ) 运动目标所产生的阴影是运动目标检测中的一大难题,本文在分析阴 影产生的原因以及阴影的特征的基础上对国内外主流的阴影检测算法做了系统 研究,详细讨论了基于色彩空间变换的阴影检测的三种方法以及它们的优缺点, 提出了一种将高斯混合模型和h s v 色彩空间相结合的消除阴影的方法。 ( 4 ) 对基于高斯混合模型的运动目标检测的算法做了一个总结,在 m a t l a b 实验平台上对拍摄到的室内近距离的大物体进行了基于高斯混合模 型的运动目标检测的实验。在实验中分别采用高斯分布的个数m = 3 和m = 5 以 及两种距离准则分别进行测试,一共得到了四组不同的实验结果,对其进行从 分割效果到分割时间的分析比较,并将理论分析中得到的结论融入对实际结果 的分析当中。而在阴影消除的实验中,是对室外的单个运动物体在进行运动目 标检测的基础上对检测出来的带有阴影的分割结果进行阴影的检测与消除,从 而实现了对运动目标无阴影的有效分割。 关键词:运动目标检测,高斯混合模型,阴影检测和消除 武汉理t 大学硕十学位论文 a b s t r a c t m o v i n go b j e c td e t e c t i o ni sa ni m p o r t a n tr e s e a r c h i n ga r e ai nc o m p u t e rv i s i o n c o m m u n i t y , t h eh i g h e rl e v e l ss u c ha sm o v i n go b j e c tc l a s s i f i c a t i o n ;t r a c k i n ga n d b e h a v i o ru n d e r s t a n d i n gh e a v i l yd e p e n do ni t i ta l s oh a sa p p l i c a t i o n si na u t o m a t i o n n a v i g a t i o n , v i d e os u r v e i l l a n c ea n dm o n i t o r i n g ,m e d i c i n ei m a g ea n a l y s i sa n dv i d e o i m a g ec o m p r e s s i n ga n dt r a n s m i t t i n g h o w e v e r , t h ec u r r e n tm o v i n go b j e c td e t e c t i n g m e t h o d sa l ec o m p l e x ,t i m ec o n s u m i n ga n dl e s sr o b u s tt ot h es c e n ev a r i a t i o n ss ot h a t t h e yh e a v i l yh i n d e rt h ep r a c t i c a la p p l i c a t i o np r o c e s s t h i st h e s i sh a sa ni n d e p t h r e s e a r c ho nt h eb a c k g r o u n dm o d e l i n ga n di s s u e sr e l a t e dt om o v i n go b j e c td e t e c t i o n i tf o c u s e so ng a u s s i a nm i x t u r em o d e la n ds h a d o wd e t e c t i o na n de l i m i n a t i o n t h e m a i nc o n t r i b u t i o n so ft h i st h e s i sa r ea sf o l l o w s : ( 1 ) t h et h e s i sh a sad e t a i l e da n a l y s i so fm o v i n go b j e c td e t e c t i o nu s i n gg a u s s i a n m i x t u r em o d e l w h i c hb a s e do nt h eb a s i cp r i n c i p l e so ft h em e t h o d so fm o v i n go b j e c t d e t e c t i o n ,i n c l u d ea n a l y z i n gt h eg a u s s i a nm i x t u r em o d e lf o rb a c k g r o u n dm o d e l i n g f r o mt h r e ea s p e c t s :t h ed e f i n i t i o no fp i x e lm o d e l ,u p d a t i n gt h ep a r a m e t e r so fp i x e l m o d e la n dt h eb a c k g r o u n dp i x e lm o d e l i n g , i ta l s oc o m a i nt h ei s s u e ss h o u l db en o t e d d u r i n gt h ep e r i o do fm o d e lu p d a t e ( 2 ) t w od i s t a n c ec r i t e r i o nd e c i s i o na r eg i v e n :c o l l i n e a r i t ya n dm a x i m u m c r i t e r i o n , w h i c hc a nc a l c u l a t et h ed i s t a n c eo ft h ec u r r e n ta n db a c k g r o u n dp i x e l s ,a n d h o wd oy o uu s et r a i n i n gm o d e lt og e tt h et h r e s h o l di sa l s og i v e ns ot h a ty o uc a n d e t e r m i n ei ft h ec u r r e n tp i x e lb e l o n g st ob a c k g r o u n d ( 3 ) s h a d o wg e n e r a t e db ym o v i n go b j e c t si sa m a j o rp r o b l e mi nt h i sa r e a t h i s t h e s i sa n a l y z e st h ec a u s e sa n dt h ec h a r a c t e r i s t i c so ft h es h a d o w ;f u r t h e r m o r e ,t h e m a i nm e t h o d so fs h a d o wd e t e c t i o na r er e s e a r c h e ds y s t e m a t i c a l l ye s p e c i a l l yt h r e e m e t h o d su s e di ns h a d o wd e t e c t i o nb a s e do nc o l o rs p a c ec o n v e r s i o na sw e l la st h e i r a d v a n t a g e sa n dd i s a d v a n t a g e s a tl a s t , am e t h o di sp r o p o s e dt oe l i m i n a t es h a d o w w h i c hu s e sac o m b i n a t i o no fg a u s s i a nm i x t u r em o d e la n dh s vc o l o rs p a c e ( 4 ) as u m m a r yo ft h ea l g o r i t h mo fm o v i n go b j e c td e t e c t i o nb a s e do ng a u s s i a n m i x t u r em o d e li sp r e s e n t e da n dw eg i v ea ne x p e r i m e n to nm a t l a bp l a t f o r mt o d e t e c tt h ei n d o o rc l o s em o v i n go b j e c t s i nt h ee x p e r i m e n t ,w eh a v e3a n d5g a u s s i a n n d i s t r i b u t i o nr e s p e c t i v e l y , c o l l i n e a r i t ya n dm a x i m u mc r i t e r i o nr e s p e c t i v e l y s ow eh a v e f o u rd i f f e r e n ts e g m e n t a t i o nr e s u l t s w ea n a l y z et h e s er e s u l t sf r o mt i m ea n dt h e i r a d v a n t a g e sa n dd i s a d v a n t a g e s ,t h e o r e t i c a la n a l y s i sc o n c l u s i o n sa l s oh a v e b e e n i n t e g r a t e di n t ot h ea c t u a lr e s u l t so ft h ea n a l y s i s w h i l ei nt h ee x p e r i m e n to fs h a d o w e l i m i n a t i o n , w ee l i m i n a t et h es h a d o wc a u s e db yas i n g l em o v i n go b j e c to u t d o o r s o w ec a na c h i e v et h ee f f e c t i v es e g m e n t a t i o nw i t h o u ts h a d o w k e yw o r d s :m o v i n go b j e c td e t e c t i o n , g a u s s i a nm i x t u r em o d e l ,s h a d o wd e t e c t i o n a n de l i m i n a t i o n 独创性声明 本人声明,所呈交的论文是本人在导师指导下进行的研究工作 及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地 方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包 含为获得武汉理工大学或其它教育机构的学位或证书而使用过的材 料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作 了明确的说明并表示了谢意。 签名:4 重量宝日期:丝望! 兰:金 关于论文使用授权的说明 本人完全了解武汉理工大学有关保留、使用学位论文的规定, 即学校有权保留并向国家有关部门或机构送交论文的复印件和电子 版,允许论文被查阅和借阅。本人授权武汉理工大学可以将本学位 论文的全部内容编入有关数据库进行检索,可以采用影印、缩印或 其他复制手段保存或汇编本学位论文。同时授权经武汉理工大学认 可的国家有关机构或论文数据库使用或收录本学位论文,并向社会 公众提供信息服务。 ( 保密的论文在解密后应遵守此规定) 研究生( 签名) :1 萼、易3 导师( 签名) :术p 兰7 曰期:2 口够2 p 武汉理下人学硕士学位论文 第1 章绪论 1 1 课题研究的背景和意义 人类对客观世界的感知和认识绝大部分是通过视觉来获取的,因此视觉信 息是人类认识客观世界的主要来源之一。计算机视觉是一门研究如何使机器 “看”的科学,更进一步的说,它的目的是用计算机代替人眼及大脑对景物环 境进行感知、解释和理解。 运动目标的研究是计算机视觉领域的一个核心内容。运动物体产生的动态 图像比单一的图像提供更为丰富的信息,另外,只有在图像序列上才能分析和 认识动态过程,因此,对于计算机视觉学科来说,研究动态图像的特点显得尤 为重要。 对于动态图像的分析来说,首先要解决的问题是图像中运动目标的检测, 它是后续的识别、跟踪等研究工作的基础。图像序列中运动目标的检测历来都 是计算机视觉研究领域的一个重要分支。国际电子电器工程师协会( i e e e ) 每 年召开的国家计算机视觉大会( i n t e m a t i o n a lc o n f e r e n c eo nc o m p u t e rv i s i o n ) 上, 都把运动目标检测与跟踪当作一个重要的研究议题,为此展开深入的讨论。运 动目标检测的理论层出不穷,方法也同新月异,充分说明了各国研究机构对此 的浓厚兴趣。 运动目标检测在视频监控、机器人导航、视频传输、虚拟现实、医学图像 分析等许多领域有着广泛的应用【l 】,因此,运动目标检测具有重要的实用价值 和广阔的发展前景。运动目标检测的主要应用有: ( 1 ) 智能视频监控 目前,尽管视频监控系统作为公共安全领域中的一项重要技术已经得到了 广泛的应用,但是大多数视频监视系统的应用仅仅停留在监控者对视频信号的 人工监视和事后录像分析和调查取证上,浪费了大量的资源。 智能化视频监控系纠2 】是近几年来计算机视觉领域中的一个新兴的研究方 向。它的应用需求主要来自对安全需求敏感的场合,如商店、银行、停车场等。 这些系统的特点是利用计算机视觉和视频分析的方法自动分析摄像机拍录的图 武汉理- r = 人学硕+ 学位论文 像序列,实现对场景中目标的定位、识别和跟踪,并在此基础上分析和判断目 标的行为,从而减少对人工的依赖。而在这个系统中,运动目标检测技术是其 核一t b 的部分,是保证整个系统正常运作的关键。 ( 2 ) 交通检测 在交通运输系统中,可以通过运动目标检测算法对交通进行控制以提高交 通运输的效率和安全。尤其是在道路交通情况监测方面,可以用运动目标检测 的方法实现对交通流量和车辆安全行驶的掌握。在北京成功申办2 0 0 8 奥运会 后,国际社会一度对北京的交通状况表示忧虑,为此北京市政府引进了较为先 进的智能交通管理系统。计算机在不需要,或者只需要很少人干预的情况下, 能够在通过对摄像机拍摄的视频序列分析的基础上,实现车辆的检测与跟踪, 并且进一步分析和判断车辆的行为,从而可以给出对车辆行为的语义描述。这 样便实现了对车辆的日常管理和对突发事件的响应,为整个社会提供了一种便 捷的交通检测方法,大大减少了对人力物力的需求。 ( 3 ) 人机交互 目前,在实际的应用中,我们是通过鼠标和键盘实现与计算机的交互,而 在高级用户接口领域中,我们希望在未来计算机能够像人一样的和我们交流, 如手语翻译、手势驱动等。在人和计算机无接触的情况下,计算机收集人类在 计算机前面发出的视频信号,继而利用相关理论分析视频信号,以达到辨识人 类的动作,明白人类的需求的目的。今后人机交互的发展方向就是以上这种以 人为中心的人机界面。而对人手和人脸的检测,是实现这种技术的前提条件。 ( 4 ) 视频压缩 在新一代的视频图像压缩编码标准m p e g - 4 中,提出了一个不同于以前 的视频编码的新概念视频对象平面( v i d e oo b j e c tp l a n s ,v o p ) 。视频对象平 面是视频对象( v o ) 在某一时刻的采样,v o p 是m p e g 4 视频编码的核心概 念。m p e g 一4 在编码过程中针对不同v o 采用不同的编码策略,即对前景v o 的压缩编码尽可能保留细节和平滑;对背景v o 则采用高压缩率的编码策略, 甚至不予传输而在解码端由其他背景拼接而成。这种基于对象的视频编码不仅 克服了第一代视频编码中高压缩率编码所产生的方块效应,而且使用户可与场 景交互,从而既提高了压缩比,又实现了基于内容的交互,为视频编码提供了 广阔的发展空间。该技术的难点在于如何在任意场景下实现对运动目标的自动 提取与分割,而这些问题也是目标检测与跟踪要解决的关键问题。 除了上述民用方面的应用之外,基于图像序列的运动目标检测技术在军事 2 武汉理t 大学硕士学位论文 领域,特别是制导和导航方面也有广泛的应用前景。 综上所述,研究运动目标的检测技术有很大的现实意义和应用价值。 1 2 国内外研究现状 运动目标检测是一种将运动的前景从背景中分割出来的技术,运动区域的 正确分割对以后的运动目标跟踪和行为理解等后期处理起到了至关重要的作 用。通常,根据目标与摄像机的相对关系可以分为以下两种情况【3 】:静态背景 下的运动目标检测和动态背景下的运动目标检测。如果摄像机在整个监控的过 程中处于静止状态,只存在着被监控物体在视场内的运动,这种只有物体相对 于摄像机运动的情况称为静态背景下的运动目标检测;如果摄像机在整个监控 过程中发生了移动( 如平动、旋转或多自由度运动) ,同时被监控的物体在整个 视场内也存在着运动,这种存在着物体与摄像机之间的相对运动的情况称为动 态背景下运动目标的检测。 目前,传统的静态背景下运动目标检测算法有以下几类: ( 1 ) 背景减除法 背景减除法【4 】是利用当前图像与背景图像进行差分来检测运动目标的一种 技术,目f j f 它已经成为了运动目标检测中最常用的方法。这种方法的优点是可 以获得关于运动区域完整而精确的描述,但是对于光照和场景中的扰动比较敏 感。背景减除法的难点在于如何寻找理想的背景模型,以及如何进行模型的更 新。最简单的背景模型是时间平均图像。许多研究人员为了抑制动态场景的变 化对运动目标检测的影响, 都致力于研究更好的背景模型。h a r i t a o g l u 等【5 】利 用最小、最大强度值和最大时间差分值为场景中每个像素进行统计建模,并且 进行周期性地背景更新。m c k e n n a 等【6 】将梯度信息和像素色彩相结合来建立自 适应背景模型解决不可靠色彩线索和影子对于分割的影响。k a r m a n n 与 b r 狮d t 【7 1 、k i l g e r 8 】采用基于k a l m a n 滤波的自适应背景模型以适应光照的时间和 天气的变化。k e n t a r ot o y a m a 等【9 均w a l l f l o w e r 算法对图像进行像素级、区域 级、帧级处理。处理像素时,w a l l f l o w e r 为每个像素建立背景模型,同时忽略 像素问颜色的相关信息,初分运动目标与背景;处理区域时,通过像素点之间 的相关性均匀的填充运动目标所在的区域,进一步细分运动目标与背景;在处 理每一帧图像时,可以通过切换后备的更能描述当前背景的背景模型来应对大 武汉理j l 人学硕十学位论文 面积光线突变的情况。m p c c a r d i 1 0 】用m e a n s h i f t 方法对多峰分稚进行有效的建 模,取得了较好的运动目标检测效果,但是由于m e a n s h i f t 是一种迭代技术, 计算相当复杂,从而限制了m e a n s h i f t 方法在像素级背景建模中的应用,研究 人员为此提出了多种改进的算法。此外,常见的背景建模方法还有特征背景法, 图像变换同现法等。 像素级的混合高斯模型能自适应地随动态场景变化,可以用来描述多峰背 景,同时也广泛应用于运动目标检测领域。由s t a u f f e r 和g r i m s o n 1 1j 所提出的自 适应的混合高斯模型,通过对每个像素进行高斯建模,利用在线估计进行模型 参数更新的方法,有效地克服了背景的扰动,光照变化等带来的影响。e w a y n e p o w e r i 坦】贝0 分析了混合高斯模型的原理,并对参数估计的方法做了详细的推导。 除此之外,大量研究人员在对高斯混合模型进行深入学习的基础上,提出了许 多改进的算法【1 3 , 1 4 , 1 5 】。 在智能视频监控的实际应用中,希望系统有较高的实时性,然而在处理图 像序列时,无论是运动目标的检测、跟踪还是分类都是逐帧对图像进行处理的, 计算量非常大,从而不能满足系统的实时性要求,因此要研究如何通过减少背 景建模算法的计算量来提高系统的实时性。 ( 2 ) 帧问差分法 帧间差分法是最简单的运动目标检测方法,它利用了连续图像序列中相邻 的两帧或三帧图像之间的相关性,进行差分变化检测,最后通过阈值化来找出 运动区域。l i p t o n 等【1 6 】利用两帧差分方法从实际视频图像中检测出运动目标, 进而用于目标的分类与跟踪。c o l l i n s 掣17 】开发了一种将三帧差分与自适应背景 减除相结合的混合算法,能够快速有效地从整幅图像中分割出前景。对于动态 环境来说,帧问差分法有着较强的适应性,它的缺点是不能提取所有相关的特 征像素点,在运动目标内部易产生空洞,并且得出的目标信息不完整【l8 1 。 ( 3 ) 光流法 光流是空间运动物体在观测成像面上的像素运动的瞬时速度。光流的研究 是利用图像序列中的像素强度数据的时域变化和相关性来确定各自像素位置的 “运动”,即研究图像灰度在时| 日j 上的变化与景象中物体结构及其运动的关系。 一般情况下,光流由相机运动、场景中目标运动或两者的共同运动产生。 光流法检测运动物体的基本原理是:给图像中的每一个像素点赋予个速 度矢量,这就形成了一个图像运动场,在运动的一个特定时刻,图像上的点与 三维物体上的点一对应,这种对应关系可由投影关系得到,根据各个像素点 4 武汉理一j :人学硕十学位论文 的速度矢量特征,可以对图像进行动态分析。如果图像中没有运动物体,则光 流矢量在整个图像区域足连续变化的。当图像中有运动物体时,目标和图像背 景存在相对运动,运动物体所形成的速度矢量必然和邻域背景速度矢量不同, 从而检测出运动物体及位置。采用光流法进行运动物体检测的问题主要在于大 多数光流法计算耗时,实时性和实用性都较差。但是光流法的优点在于光流不 仅携带了运动物体的运动信息,而且还携带了有关景物三维结构的丰富信息, 它能够在不知道场景的任何信息的情况下,检测出运动对象。 由于存在着被检测物体与摄像机之间复杂的相对运动,动态背景下运动目 标的检测算法要比静态背景下的情况复杂很多,目前提出的许多针对动态背景 的运动目标检测算法中,常用的算法有光流估计法、匹配块法、图像匹配法以 及全局运动估计等方法。但是计算量大是这些方法存在的问题。同时如何在算 法中很好地利用视频监控场景中图像序列自身的特点也是很值得研究的。 各种检测方法在实现的过程中所面临的难点在很大程度上是相同的。包括: 运动目标所投射的阴影容易被检测为运动的前景;容易受到噪声和局部光照条 件的影响;运动目标在与场景背景颜色相似的情况下,往往被检测为背景;运 动目标被遮挡。下面主要介绍一下遮挡【l9 】和阴影。 遮挡这是由于新物体可能出现或重现在景物中或者运动物体可能退出观 测视场所造成的。目前,很好的解决物体自遮挡和物体之间相互遮挡的问题是 非常困难的,特别是在拥挤的条件下,多个物体的检测和跟踪更是难以解决, 这是因为存在遮挡的情况下,物体只有部分是可见的,而且这个过程通常是不 可训练的,仅仅依赖于背景减除法进行运动目标检测将不再可靠。为了减小深 度或者遮挡带来的这种歧义,需要丌发更好的背景模型来处理遮挡所带来的如 何将物体各部分与特征准确对应的问题。 阴影尽管阴影明显不同于场景背景,但是现有的算法在进行运动目标检测 时,往往将阴影误判为运动目标,这是因为运动目标所投射的动态阴影会随着 目标一起运动。这会带来运动目标的几何变形,合并,目标丢失等一系列错误, 严重影响到了后期的目标识别、分类以及行为理解。比如在一个视场中有多个 需要跟踪的目标,有若干个运动目标的距离比较近,若它们的阴影在某些部分 出现重合,就会导致检测出的结果有多个运动目标连接在一起,这种检测结果 是错误的。为了检测并消除这种运动阴影,许多学者已经设计了多种阴影检测 与消除算法,主要有两大类:基于模型的阴影消除算法与基于属性的阴影消除 算法。基于模型的阴影检测和消除算法是利用运动目标、光照条件和场景等先 5 武汉理i :人学硕 学位论文 验信息建立阴影模型,进而匹配三维运动目标的棱、线、角等,。这种方法通常 在视频监控和航空图像理解等特定条件下使用。基于属性的阴影消除算法利用 阴影的几何特点、颜色和亮度等信息来识别阴影区域。在目前的算法研究中, 利用阴影的光谱特性比利用阴影的几何特性更为频繁,这种阴影检测和消除算 法对不同场景和光照有较强的鲁棒性。 1 3 本文的组织结构 本文共分为五章,各章的组织结构为: 第l 章为绪论,主要介绍研究背景、研究意义,以及国内外研究现状,阐 述当前存在的问题,并概括本文的主要内容,同时对论文的结构进行了安排。 第2 章首先对运动目标检测算法的几种类型进行了讨论,然后着重分析了 单高斯模型和混合高斯模型的理论基础以及背景模型的更新的问题,最后给出 了本文采用的运动目标检测中计算当前观测值与相应背景点的距离的两种计算 方法。 第3 章首先介绍了阴影产生的原因及其特征,然后着重分析了基于色彩空 间变换的阴影检测方法,包括基于r g b 、y u v 和h s v 色彩空间的阴影检测以 及它们的优缺点。并提出了一种将高斯混合模型与h s v 色彩空间相结合的阴影 消除方法。 第4 章首先介绍了基于高斯混合模型的运动目标检测实验流程并给出了部 分重要的m a t l a b 源码,然后对于拍摄的室内近距离大目标进行运动目标检测 的实验。在实验中采取不同的距离准则,不同的高斯混合模型中的高斯分布个 数分别进行检测,得到四组不同的实验结果,对其进行从分割效果到分割时间 的比较。最后对室外的单个运动物体在进行运动目标检测的基础上对检测出来 的带有阴影的分割结果采用第三章中提出的方法进行阴影消除的实验。 第5 章为结论,对本文所做的工作进行了总结,并指出了下一步研究的方 向。 6 武汉理t 火学硕十学位论文 第2 章运动目标检测算法研究 运动目标检测是利用数字信号处理等技术对包含运动信息的图像序列进行 适当的处理,检测并且提取出图像序列中相对于背景来说运动的前景,并根据 边缘、灰度等图像特征进一步将运动前景分割成若干个独立的运动目标的过程。 运动目标检测是计算机视觉信息提取中的一个十分关键的问题,也是目标跟踪、 运动分析、基于对象的视频编码等更高层次视频分析的基础。完整、快速并且 准确地分割出运动目标对于提高后续跟踪、识别和行为理解的准确性有很大的 帮助。但是由于背景图像存在着动态的变化,如光照、阴影、噪声、全局运动 等影响,在实际系统中进行可靠而稳定的运动目标检测是一项非常具有挑战性 的任务。 在检测监控场景中感兴趣的目标时,所采用的方法与摄像机和目标的相对 运动紧密相关。摄像机和场景中目标的相对运动状态在实际场景的应用中有四 种组合方法【2 0 1 。 ( 1 ) 摄像机静止目标静止,对于这样的静态场景来说,处理的方法就 是对静态图像的处理方法,在访问控制场合如虹膜识别、人脸识别中有着广泛 的应用。 ( 2 ) 摄像机静止目标运动,这实际上是一种非常重要的动态场景,主 要应用于安全监控、预警等场合,处理的方法包括了运动目标的检测、跟踪、 分类与行为理解。 ( 3 ) 摄像机运动目标静止,这主要用于电子地图的自动生成、机器人 导航以及三维场景的理解等场合。 ( 4 ) 摄像机运动目标运动,这是在运动目标检测中的最复杂的情况, 如装在飞机和卫星上的监控系统。 本文主要研究的是特定场景下的智能监控系统,是在摄像机静止目标 运动的条件下进行的。对于固定摄像机下的运动目标的实时检测,背景建模是 一个非常有效地方法。一个有效的背景模型应该能够克服下列在实际应用中经 常出现的问题【2 。 ( 1 ) 背景模型的建立:背景图像的获取最简单的方法是在场景没有运动目 标的情况下进行,但在某些应用场合无法满足这种要求。 7 武汉理一l :大学硕:i :学位论文 ( 2 ) 外界光线的变化:室内的开灯、关灯以及一天中不同时段光线的变化 等都会影响着检测的结果。 ( 3 ) 背景的扰动:摇摆的树枝、飘扬的旗帜、水面波纹晃动等轻微扰动的 部分不应该被视为运动前景。 ( 4 ) 阴影的影响:运动目标所产生的动态阴影通常也被检测为运动的前景, 需要对检测结果进行阴影的消除以免影响到对运动目标的后续分析与处理。 ( 5 ) 背景的更新:需要及时的对背景模型进行更新以适应场景中光照条件 的变化,或者其它因素引起的背景图像的变化。 在研究运动目标检测的算法时,研究人员都是把主要精力放在如何设计出 运动目标检测效果更好的算法,评价算法优劣的标准一般包含:算法复杂度, 在保证算法处理效果的酊提下,算法的时间复杂度和空问复杂度尽可能小,以 提高算法的实时性和实用性;算法精确度,优良的算法应该具有较低的漏警、 虚警,并能够尽量得到运动目标的完整信息;算法通用性,优良的算法应该对 诸如形状、色彩、运动和应用场景等先验信息的依赖性尽可能低。实际上,任 何算法都要在复杂度、精确度和通用性等方面寻求一个平衡点,使各方面的性 能到达最优。目前,几乎所有的算法都是应用于某种特定的场合,研究人员还 在不断探求通用的算法。 2 1 运动目标检测的基本方法 至今为止,对于静止的背景这种情况来说,所提出的运动目标检测算法按 照原理来划分可以分为三类:光流计算法、帧间差分法和背景减除法。每个算 法都是针对某种特定的场合而提出,各有优缺点,都存在着许多值得改进的地 方,如有的算法在计算量方面需要改进,而有的算法则在精确检测方面需要改 进。下面分别介绍光流法、帧问差分法和背景减除法。 2 1 1 光流计算法 光流法【冽是基于对光流场的估计进行检测的分割方法,采用了运动目标随 时间变化的光流特性。一般情况下,光流由场景中目标运动、相机运动或者两 者的共同运动产生。光流的研究是利用图像序列中的像素强度数据的时域变化 和相关性来确定各自像素位置的“运动”,即研究图像灰度在时间上的变化与景 武汉理_ r :人学硕士学位论文 象中物体结构及其运动的关系。 考虑图像像素m = ( x ,y ) ,时刻t 的亮度为i ( x ,y ,t ) 。令m 的速度为 = ( 匕,v ) ,若点m 的亮度保持不变,那么在很短时问间隔d t 内,有: ,( x + vd t ,少+ v d t ,t + 班) = i ( x ,y ,f ) ( 2 1 ) 如果亮度随x ,y ,t 缓慢变化,可将上式左边进行泰勒展丌,则: ,( x ,y ,f ) + 鬈匕+ 筹。+ 尝+ 。( d t 2 ) = ,( x ,y ,f ) ( 2 2 ) 其中o ( a t 2 ) 代变大于等于2 的高阶项。消去i ( x ,y ,t ) 并忽略o ( d t 2 ) ,得: a , w + 詈= 0 ( 2 3 ) 其d ? v i :fi 0 ,_ 0 l 是图像在聊的梯度。这个方程就叫光流约束方程 l 蹦t t x j ( o p t i e a lc o n s t r a i n te q u a t i o n ) 。实际上光流约束方程对每一个像素点来说都是 一个含有两个未知数的标量方程,因此只用一个点上的信息不能确定光流。理 论上分析仅能沿着梯度方向确定图像点的运动,即法向流( n o r m a lf l o w ) 。这 种不确定问题成为孔径问题( a p e r t u r ep r o b l e m ) 。 孔径问题的存在,导致了不用其它信息仅通过光流约束方程是计算不出图 像平面某一点处的图像速度流。研究人员提出了许多方法来克服这个问题。如 l u c a s k a n a d e 法,它使用一个模型通过最小二乘法来拟合像素点领域内的光流 值来约束光流进行局部调整;n a g e l 法,它利用二阶导数求光流;h o r n s c h u n c k 法,它使用光流全局平滑性假设来求解光流;鲁棒计算法,它利用鲁棒回归算 法来计算光流克服遮挡时运动便捷的信息不可靠问题等。 由于光流法同时包含了被观测物体的运动信息和有关物体三维结构的信 息,所以光流法除了可以用于运动目标的检测以外,甚至可以用于做运动目标 的跟踪。在摄像机运动目标运动的条件下也可以检测出独立的运动目标, 即可以应用于动态场景下的运动目标检测。但是在实际应用中,由于多光源、 遮挡性、噪声和透明性等原因,使得光流场方程的灰度守恒假设条件得不到满 足从而不能求出正确的光流场。另外,许多光流计算方法计算量巨大,算法也 十分复杂,算法的实时性很低,一般不被对实时性和精度要求高的监控系统所 采用。 9 武汉理l :人学硕十学位论文 2 1 2 帧间差分法 帧间差分法利用了图像序列相邻帧之i 、日j 的强相关性,取相邻的图像序列作 为参考图像,进行序列问的差分检测来确定运动的目标,是最简单的运动目标 检测方法。 相邻帧的差分法算法简单,容易实现,用来检测运动的目标可以满足系统 的实时性要求。算法原理如图2 1 所示。 f - ,f z ,f 。 f i _ 。 图2 1 帧间差分法原理图 图2 1 算法原理描述如下:把第k 一1 帧视频图像厶一作为参考图像,计算当 前帧五与五一。的差,得到差分并二值化后的图像m a s k ,当五与五一。之差的绝对 值小于阈值砌时,就判定该像素为场景背景,取m a s k 为o ,否则判定该像素 为运动目标,取m a s k 为l ,如式( 2 4 ) 所示。 m a s k = 磁l - 刊l - 1 l 砀t h ( 2 _ 4 ) 用帧间差分法来进行运动目标的检测,程序设计复杂度低,算法实现起来 较为简单,可以应用于实时系统。此外,该方法受运动目标阴影的影响不太大, 由于相邻帧的时间间隔较短的缘故,对场景中光线的变化也不太敏感,从而对 动态环境的适应性较好。 但是帧间差分法在实际应用中的运动目标检测结果却不尽人意,存在的主 要问题是:前一帧被遮挡的一部分背景由于目标的运动,在当前帧中会显露出 来,从而这部分背景会被判为运动的目标;另外当目标表面存在大面积的灰度 均匀的区域时,由于帧间差分法会在目标的上述区域产生“空洞”而使得目标 1 0 武汉理一l :人学硕十学位论文 被过多分割成多个区域,从而只能部分地检测出运动目标;同时帧间差分法检 测到的运动区域的大小与目标的运动速度密切相关,当目标运动缓慢时,往往 检测到的区域很小,甚至无法检测到运动的目标,而当目标的运动速度很大时, 检测到的区域就大于实际的区域,而在实际应用中,希望提取的目标要尽量接 近其真实形状。 研究人员针对帧间差分法存在的问题提出了许多改进的方法,比如加入颜 色信息,或是采用连续的三帧差分代替两帧差分,从而可以准确的得到运动目 标的轮廓。 2 1 3 背景减除法 运用背景减除法来进行运动目标检测的基本思想是将当前帧图像与实时得 到或者事先存储得到的背景图像的对应像素这相减,并和阈值相比较,若大于 阈值,则该像素为运动前景,否则该像素为场景背景。背景减除法目前已经成 为运动目标检测中最常用的方法。经过二值化得到的运动前景掩模( f o r e g r o u n d m a s k ) t 2 3 】直接给出了运动目标的大小、形状、位置等信息,但是容易受到天气、 光线等外界条件的影响。 背景减除算法对视频图像的处理流程可以用图2 2 表示。 f 。,f 2 ,f 。士x 图2 2 背景减除法原理图 如图2 2 所示,虽然背景减除法的原理很简单,但是对于能否顺利提取图 像序列中感兴趣的目标来说,背景图像的构建和背景的更新至关重要,因为它 们直接影响到了背景模型对场景变化的适应性。 背景减除法的优点是处理速度快,能满足系统的实时性要求。和相邻帧问 武汉理i :人学硕:l :学何论文 的差分法,光流法相比,背景减除法对不同场景的适应性很强。背景减除法的 难点并不在于它计算本身,而在于寻求理想的背景模型,并且如何对模型进行 建立、保持与更新。尽管研究人员寻找各种方法来改进由模型缺陷给运动目标 的检测结果带来的影响,但依然没有解决问题。现有的大多数背景建模方法的 不足之处体现在以下三个方面。 首先,运动目标所产生的阴影和场景中存在的小的扰动会被检测为运动前 景。由树枝的摇动所带来的前景混乱的问题,可以通过建立混合高斯模型和滤 波来控制,但如何消除阴影依然是运动目标检测中的一大难题。 其次,背景模型没有很好地利用图像中相邻像素点之间的相关性信息【2 4 1 , 这会导致检测出的运动前景掩膜中产生随机分布的虚警与漏检区域【2 5 1 ,一般用 判断连通区域的大小和形态学滤波的方法来合并相邻的不连通的区域及消除孤 立的小区域。 最后,背景模型更新的速度不能很好的和运动目标的速度相匹配。如果背 景模型更新的速度过快,容易出现运动目标的漏检,相反如果背景模型更新的 速度慢于场景背景变化的速度,则容易产生虚影( g h o s t ) 2 6 】。为此,研究人员 使用多个背景模型,它们具有不同的更新速度,并且针对不同的条件,选择不 同的背景模型作为场景的背景。另外,在从不同角度对同一场景进行监控的场 合,可以利用摄像机之间的视差( d i s p a r i t y ) 信息估计场景的深度( d e p t h ) , 有助于进行运动目标的检测。 由此可见,利用背景减除法进行运动目标检测,虽然具有一定的效果,并 且有较大的发展潜力,但是现有的背景减除法也存在着诸多问题,因此必须致 力于寻找更好的背景模型。 2 2 基于自适应高斯背景模型的目标检测 自适应背景模型估计算法适用于摄像机静止的情形。它通过建立背景模型, 将当前图像和背景模型进行差分,并且和阈值比较,确定出差值的绝对值大于 阈值的区域为前景区域。这种方法可以获得关于运动目标区域完整而精确的描 述,且计算速度较快,但是对于大面积的运动、场景中的光照条件和噪声很敏 感,所以在实际应用中需要采用一定的算法进行模型的动态更新以适应场景的 变化。 武汉理t 人学硕:t = 学位论文 背景模型按照自身的特性柬划分可以分为单模态和多模态两种【2 7 l 。单模态 背景模型在每个背景像素上的颜色分布比较集中,可以用单分布概率模型来描 述;而多模态背景模型在每个背景像素上的颜色分布比较分散,需要用多分布 概率模型来描述。在许多应用场合,如摇摆的树枝、水面的波纹、飘扬的旗帜、 监视器屏幕等,像素值所呈现的是多模态特性【2 8 1 。通常用高斯分布来描述场景 背景像素的颜色分布。下面分别讨论这两种情况下的背景模型。 2 2 1 单高斯背景模型 单高斯分布【2 9 1 背景模型适用于光照不变且背景静止的条件下,此时背景点 的像素值是相对稳定的。设图像点的当前颜色值为z ,t 表示时间。 在背景图像的估计算法中,计算一段较长时间段内视频序列图像中每一个 像素值的均值风和方差蠢,把由g o 和露组成的具有高斯分布的图像 b o = ,蠢】作为初始的背景估计图像。其中: 17 一1 ( x ,y ) = 专置( x ,夕) ( 2 5 ) 上i - - o 17 - - 1 0 0 2 ( x ,少) = 专【置( w ) 嗍( 训) 】2 ( 2 6 ) i = l 如果一个静止的场景中光照发生了改变,或者是一个静止了很久的物体开 始运动,则此物体未移动前图像上对应位置的像素点将被判为是前景像素点, 这将在后期的目标跟踪中产生积累性的错误,因此高斯模型需要能够响应这些 变化,这就要求利用图像序列提供的信息对高斯模型的参数进行更新。当完成 了背景估计图像的初始化后,随着每一个新的像素点的到来,要不断自适应地 更新背景图像高斯分布参数,引入学习率a 表示参数的更新速度。则该点高斯 分布参数按如下公式更新: i t , = ( 1 - a ) 4 一l + 啮 ( 2 - 7 ) 砰= ( 1 一口) i + 口( 置一4 ) 7 ( e 一鸬一。) ( 2 8 ) 口= k 7 7 ( x ti 鸬- l ,1 ) ( 2 9 ) 从而得到更新后的背景估计图像e = h ,蠢】。 其中,7 7 ( 置i 一书q 一。) 表示均值为以一。,方差为。的高斯分布概率密度函 武汉理i :人学硕十学位论文 数,口是一个给定的介于【0 ,1 之问的常数。当口取值较大时,具有很强的适应 环境变化的能力,能够较快地更

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论