（模式识别与智能系统专业论文）复杂背景下运动目标的检测.pdf

巾田 = | 学j 土求k 学f ，“h t 摘要 复杂背景r 选动h 托、的检i | j ! | | 是训算机视觉领域一个1 f 嚣重要的月：究方向。切究复杂背 景r 运动闷标的检洲韵l 识圳技术，不仅庄感知、认知卡f 1 人i 智能领域仃着重要的理论意义 而且在i 业、经济、军事、安全等领域有着广阔的应州前景。 本文以火下智能交通系统为戍州背景，将硼究定位“复杂背景f 单个刚体的平移运动。 住众多的延动h 标检测算法巾，我们选择小波变换方法、帧间筹值法、数学形态学方 法、光流场方法加以结合，提出了一个简单快速的检测复杂背景f 运动目标的算法。 考虑尘l j 原始幽像信噪比较低，不宦直接提取目标，本文先j ：l ；小波变换进行了酗像去噤平 目标增强。 帧问筹僚法检测运动目标简单快捷，但是精确度低，无法获知目标的运动方向和速度人 小臀重要信息：光流场算法不仅包含了被观察物体的运动信息，而且携带着有关景物二维结 构的丰富信息，但是计算复杂，不适台实时处理。 本文将者相结合，运动目标的第一步的检测由帧间差值法完成，同时数学形态学对差 值幽像过滤和排卉，消除复杂背景对运动目标的干扰。 住第一步检测的萆础上，麻h | 经过了部分改进的光流场算法，比较精确提取运动目标， 计计算山日标的速度人d , i i 方向。 实验是复杂场景f 的火乍，逋过对火下的视频图像序列进行处理，达剑对火下的跟踪和 速度检测，防i r 火下交通意外的发生，而且为智能编组的研究提供依据。同时，算法也可以 麻川在啤酒检测系统以段检测复杂背景r 的骑白行下的人。 实验表明该算法检测效果比较蚶有比较高的实州性水l 可靠性。 天键词：复杂背景造动 、小波耍彼光流场恤f i i j ij b 态学滤波 复杂背景下运动目标的经，9 a b s t r a c t d e t e c l i o no fm o v i n go b j e c t si nc o m p l e xb a c k g r o n n di sa ni m p o r t a n tr e s e a r c hf i e l di nc o m p u t e rv i s i o nhi sv a h m b l en o to n l yi l lt h e o r yo fa r t i f i c i a li n t e l l i g e n c e ，b u ta l s oi na p p l i c a t i o nt oc i v i l e c o n o m ya n dm i l i t a r y ， b a s e do i it h ea p p l i c a t i o no fi n t e l l i g e n tt r a i nt r a n s p o r ts y s t e m ，w er e s e a r c ht h em o v e m e n t o fs i n g l er i g i db o d yi nt h i sp a p e r w ep r o p o s eas i m p l ea n df a s ts c h e m et od e t e c tm o v i n go b j e c ti nc o m p l e xb a c k g r o u n d w h i c hi st h ec o m b i n a t i o no fw a v e l e tt r a n s f o r m ，i n t e r - f r a m ed i f i e r e n c e m o r p h o l o g i c a lf i l t e ra n d o p t i c a lf l o wf i e l d c o n s i d e r i n gp o o rs n r o f r e a li m a g es e q u e n c e ，w eu s ei m a g ed e - n o i s i n ga n de n h a n c e m e n t m e t h o d sb a s e do i lw a v e l e tt r e n s f o r mt oi n c r e a s et h ei m a g ec h a r a c t e r i s t i ca n dd e c r e a s en o i s e i t ss i m p l ea n df a s tt od e t e c tm o v i n go b j e c tu s i n gi n t e r - f r a m ed i f f e r e n c eh o w e v e r i t sl a c k o f p r e c i s i o na n dm o v i n gi n f o r m a t i o n o p t i c a lf l o wf i e l dc o n t a i n sn o to n l yt h em o v i n gi n f o r m a t i o n o f t h eo b i e c t b u ta l s ot h r e e d i m e n s i o n a li n f o r m a t i o n t h i sp a p e ri n t e g r a t e st h ei n t e r - f r a m ed i f f e r e n c ea n do p t i c a lf l o wm e t h o d s t h em e t h o do fi n + t e r f l a m ed i f f e r e n c ei su s e dt os e p a r a t em o v i n ga i _ e af r o mt h ew h o l ei m a g e a f t e r w a r d s ，t od e c r e a s en o i s ew h i c hi sb r o u g h tb yc o m p l e xb a c k g r o u n d ，t h em e t h o do f m o r p h o l o g i c a lf i l t e ri su s e d t h e nt h ef i r s td e t e c t i o no fm o v i n g a r e ai sf i n i s h e d p l a n a rv e l o c i t yf i e l di nt h em o v i n ga r e ac a nb ee s t i m a t e dt h r o u g ho p t i c a lf l o wa n a l y s i s t h e i m p r o v e dd i f f e r e n t i a lt e c h n i q u ei sa d o p t e dw h e ne s t i m a t i n go p t i c a lf l o wf i e l d t h e nt h ep r e c i s e v a l u eo fm o v i n g p a r a m e t e r si sa c h i e v e d i nl h ee x p e r i m e n t w ep r o c e s st h ei m a g es e q u e n c eo fm o v i n gt r a i ni nc o m p l e xb a c k g r o u n d t h et r a i ni sd e t e c t e da n dm o v i n gp a r a m e t e ri sg o tt oa v o i dt r a f f i ca c c i d e n t w ea l s oa p p l yt h i s s c h e m eo np e o p l er i d i n gt h eb i k ea n db e e rd e t e c t i o ns y s t e m t h ee x p e r i m e n t sp r o v et h es c h e m ep r o p o s e di nt h i sp a p e rh a sah i g hr e s p o n s i b i l i t y ，p r e c i s i o n a n dv e r s a t i l i t y i tp e r f o r m sw e l li nc o m p l e xb a c k g r o u n d k e yw o r d s ： c o m p l e xb a c k g l 。o u n d i n t e r - f r a m ed i f f e r e n c e o p t i c a lf l o wf i e l d m o v i n go b j e c t w a v e l e tt r a n s f o r m m o r p h o l o g i c a lf i l t e r q = i 习引掌投木凡学 一mf 论上 去 第1 章概述 本章简要介绍本课题的研究背景及其意义 以及国内外研究动态和本文开展研究的方 1 1 研究的意义 制川2 一d 幽像进行目标检测是计算机视觉的重要组成部分，复j j 背景中逛动目标的臼 动检测就在很多领域有若t r 泛的应_ l 前景。例如，检测道路交通流釜；路桥白动收费系统中 汽乍类型的自动识别；在军事领域的战地侦察中，运动目标的白动检测平跟踪不仅能给侦察 员提供目标线索，同时也能根据跟踪得来的资料，控制相芙武器迅速锁定日标奠定胜局。 长期以来，学者j 对这个问题进行了人鼙的研究，目前针对运动平台卜和复杂背景中的 目标的检测的研究也有不少，但是在实际运h j 中有好的效粟的不多。目标检测，尤其在复 杂背景f 进行目标检测是一个棘手的问题，土要体现在对丁- 不同的复杂背景利不同的目标 类刑，尚无法找到通州的，适丁各种情况的算法，只能是对特定问题采用最适合的方法。 有时，由丁无法完整地提取出目标，也会造成对目标检测的凼难，甚至，在有的情况r ， 目标提取得支离破碎，使检测难_ 丁进行，借助丁单一特征米解决复杂背景f 目标检测的问 题局限性很人，结合目标的多个特征进行识别是有希望的途径。此外这个问题的最终解 决还戍依赖丁机器视觉理论的完善。 据统计人所感知的外界信息有8 0 以上是由视觉得剑的而在这些视觉数据中禽有人 鼙的无芙或者甚至使人误解的偏筹，并且数据本身不会显示i 出相府的相关性和i 不变性。但人 类的视觉系统，从视网膜剑认知的各个阶段，却能以某种方式理解或整理这些杂乱无章的视 觉输入数据。视觉生理学羊心理学就是以揭示人的这种视觉机理为主要研究目标这些理论 的完善将有助丁计算机视觉理论的发展。 口戍该石剑，要使计算机视觉完全具有或接近人的 视觉能力仍是一个遥远的目标。 1 2 国内外研究动态 1 2 1 复杂背景的处理 1 复杂背景的常规处理 奠j ：背景成p 、l h 多，土蛩分j - i 。类：成像系统f 1 身的嵘卢，光线的变化， | 然背景就 微蔓尔提取瓢辫识复尔背景中的口标址机器视觉c 1 最斟m 的伍务之。常脱帕数据j 妪动 ，f f 模q j - j l j 功的，法都有其局限性，所咀曲者刷扎台的丛1 - 知u ! 的力法足订葡译的近停。然 l i 能l 什复杂场曩i 门4 i 放辫法仍然干当少其中，e l 机1 ：能完牡地从背景。 提取 求怂鹾人的砸。此，依慨单4 sn i 的检测系统币能佴：证宽祭地键取淹没扫，复杂黹篡i _ j i 均r l ，j 、， 综台已i 丰对复杂7 景的处埋的方法山口适麻滤波、 尔曼泌波方法、小波变换方法及 其相结合的方法等。 。“m i ：莩拄术人学坝i 论艾 复杂背号t 运曲目奸6 捡测 2 小波变换方法在复杂背景中的应用 小波变换仃为+ 种变换域信弓处理山法，近年来庄计葬机视觉和幽豫处埋切究领域引 起, k i l l 的极人兴趣。目前一维小波变换上要是府峭在幽像编码爪缩j 面，也铍丁诸如边 缘提取，图像增皿幽像分析葛方商。但是，小波的优良性质使它住季j 级视觉处理中具有 匝要的应h j 意义。在人的视觉心理学中，多糊率通道模掣( m t d t i ，f r e q u e n c yc h a n n e l ) 在解释 低级生理过科时_ 分成功。而塾丁小波瑚论的多频率通道分解方法在斛群某些生物初级视 觉过样力面也是相当成功的。一般说来，倒像局部的灰度突变常比坎度值本身提供更多的 信息。小波变换可任儿个j t 度上度培这种灰度突变。这种突变是通过小波变换的局部极人 值的出现体现出来的。 小波变换方法处理复杂背景有两人突山优点”1 ：时间额域局部性利多分辨率分析。 信号的小波变换或逆变换所得剑的是信号时域或频域的局部信息。小波分析的另一个特点是 多分辨率分析。幽像之所以适丁采h j 多分辨率分析是因为它的结构和纹理可以分别表现在不 同分辨层次上：轮廓信息可以在低分辨率f 通过提取边缘米获得，纹理信息则在较高分辨率 r 米表现。为此小波变换是近儿年国内外凹像处理领域研究的热点。 1 2 2 运动目标的检测 近年米，国内外对丁检测运动目标技术的研究取得了许多成果人们提出了许多新的 检测技术及方法。通过参阅近年来各研究人员提出的运动目标的检测方法，并进行门类可以 霜出，对检测运动目标的方法大致可分为：检测变化区域的方法、基t 非参数模弛的方法、 基丁参数模型的运动方法、基丁- 分类的方法、基丁形态学的方法、基丁光流场的方法以及其 他一些方法等。 1 检测变化区域的方法 经过全局运动估计誊i 补偿后，相邻视频帧的背景是静i r 的，经过帧间的筹分幽像可以检 测剑过动i 趸域i 。“。背景亮度的变化在室内土要艟米源1 。峨声 l l , t j 光f | 勺亮度的变化，在室外 ：婴是由丁纹理的变化。由丁噪卢是随机的冈此假砹噪声为高额分布，而运动对象的著分 为1 | 高斯分布通过高阶统计茸如四阶可以预分割山运动对象臣域和i 景区域：然后通过块 匹配估计筹分嘲像的运动场进一步区分山廷动对象r 域年背景区域。文献 3 捉：相邻的 i j 】= i 个耳分剀像的厅艿之比服从f 统i 。分角，i 斫上j 1 i 需口i i - 知道实际f 门方z 。文献：4 认为帧问 芳分符台两个零均信的抽? t 拉斯分布的混台，j i 麻_ l 最人似然法f 汁分机参数，然后分割出 t 景坪皓动对缘。 文献 j j 中首先利川相邻帧荠f 采_ l f 全局蒯仿获得变化检测模扳，然厉采州局部闽值的 j z f e 松弛技术米完成地沿f 一光滑滤波。为j 7 分割i - j i 续造动n 勺对象，馈川了 个深度为上的 “j 渊1 ，存储器，盘朵存储器巾的某个像东赴前) l i i j j e i 中的变化检测模扳至少有次属丁运动对 缘，! j l l j 该像素属丁运动对象。通过潲除未覆羔的背景区域亓使模扳边沿对丹蚓像边沿来故进 对象懊饭的定何，文献n ：传j | 变化检测、颜色分割、嗣部运动f 谇丰l l 局部运动 偿等多个 信息来刊挑运动r 域，i 弦n ；圭卅以白效地分离蚓定的平运动f l c j i x 域。 幽卜直接通过l j l o 帧爿一掺呲变化医域的方法对嵘声比较敏感，冈此，文献 4 ，7 采川月；态 运动关联雉子米间接利刖帧等检测运动区域，同n 根据序列幽像的延动料皮，采州多帧处理 米获取运动对象，该舜法具有一定的抗噪能力。文献 8 采h 多帧信息构逮二维张鼙的方法 检测变化陬域不仅能_ j 靠j t h f c q l f 运动信息，还对噪声自一定的鲁棒性。总的米说，这类方 法计算简单，但是对 噪声仍比较敏感，且对象运动不能太快。由1 i 室外场景背景变化复杂， 冈此该方法比较适州丁室内场景运动视频对象的分割。例如，对丁+ 可视电话、电视会议等视 频，基丁变化区域的检测7 j 法比基丁运动的分割方法效果好。 2 基于非参数模型的方法 块运动模型主要应h | 在低码率视频编码应埘中基丁：平移的块运动模型的运动估计不 能处理旋转和缩放的情况，块运动模型的分割精度由块的人小决定。由丁运动估计运算耸 人基丁返动的对象分割平跟踪要求有准确的运动估计，冈此常采h | 一种金字塔式的由粗 到细的快速估计方法【8 9 j o 川。为了提高返动估计算法的精度雨f 速度，m p e g 4 标准采 m v f a s t ( m o t i o nv e c t o rf i e l da d a p t i v es e a r c ht e c h n i q u e ) 幂l 改进的p m v f a s t ( p r e d i c t i v e m v f a s t ) 方法埘丁运动估计，对于全局运动估计，采用基于特征的快速鲁棒的f f r g m e t 方法( f e a t u r e b a s e df a s ta n dr o b u s tg l o b a lm o t i o ne s t i m a t i o nt e c h n i q u e ) 。” 3 基于参数模型的方法 采h 基丁参数模型的运动分割法的基本思想是：假没有k 个相互独立的运动物体，每一 个光流久鼙对麻丁单个不透明体的二维刚体运动的投影，那么，每一个不同的运动可以通过 一系列映射参数来止确描述。参数模型需要对视频幽像进行分制，每个区域的运动h j 一个参 数集来描述。运动矢封可以从这些模型参数来合成。 一个由平面的一! 维刚体运动产生的一维五耋动场，在止交投影r 可h | 6 个参数的仿射模础 描述1 1 3 15 | ，而在透射投影f ，则得刮8 个参数的透视模型”】。义献 j 5 采川对象的3 一d 模 ，弘午l | 深皮信息分：0 对琢。文献 1 8 j 采圳一次空间变换，不仪可以补偿潇如平移、尺度变化、 旋转等变化，还能补偿形变秆lf i 均匀伸展笛1 r 线性变化。文献【1 9 采h 荩1 运动的分级分割 办法，前先采川 j 底向l n 山法估局部的返动场并进行r 域的初步合升，然后川全局运动 分析指导再 x 域的进一步台爿。 棚列r 参数模，m 参数模，l l j 受吼卢的影响较小，口、1 为参数是山多个像豢 台矗，起估 算小米的。参数模j j 咀 i 设地处理对象问的遮挡问题，缺点是只适州r 川体延动。 4 基于分类的方法 基1 。多个特址聚类的分割算法是爵竭虑州的一种分刊方法i2 ” 。般首先从倒像中 中| 玉| 科学j 卞j 、学蝴i 论文复杂背景下运动目标的捡- 到 抽取出些特址，如坐标、线条、拐点、轮廓、纹埋、形状、颜色、运动、肓方幽、空间 迕通r 土、时间弛性苫，对象通常做认为是根据柏定的条什具有一致性的细r 域且根 据多个札 ：i l 罐罅区分这q 水同n 0 阿域。文献12 0 l 采j h 的聚类算法庄进行运动估汁之后，集 台r 分级n i 世击0 聚类阳肯 0 优势行结合模糊婵沦年多个高斯分布的混合楼掣同寸考虐 t 各个 l _ 【舒制f 城的空问人小。文献【2 1 1 以多个特征，、昔仃山输入，通过来州空问约求的 悭糊c 均恤聚炎算法能够分割出并个区域。对丁小连续运动的对象，进步采川时问上的 j 5 性汴为聚类输入。根据每类特址重要样度不周而采剧不同舳加权系数。文献l e 2 j 推j 了k 均值锋注不仅考虑颜色、亮度、运动等，还考虑了r 域在时空上的一致性。文献 2 3 1 采州迭代的分类技术同时1 + 计分割和类参数，使分割算法鲁棒性更好。文献【2 4 】也是对不 同特征采川不同的加权弗采h ；i 臼组织神经网络进行特征聚类，然| 亓合并神经网络的输出 得到希望的分割结果。 分类算法可以简单地同时分割出具有类似性质的多个对象，但是，由r 对象或对象间 的遮挡会影响某些特征的出现或隐藏，这使得分割算法变得更复尔：而且由丁算法的迭代性 质，使得计锋鼙较大，不利1 ：实时处理。另外，由丁某些特征的提取受到噪声影响较人， 冈此该类方法也对噪声比较敏感，但是没有光流方法那样敏感。这种方法仅适心r 比较简 单的矧像f 景。 5 基于形态学的方法 采_ l i j 形态t ：# i f - 岭算法分割对象的算法被广泛使川1 2 5 , 2 9 1 。其中分水岭算法由剧像摘化、 标记提取、决策和币处理四步构成。幽像简化就是去除一些小的细。仃和噪声而保留一些较强 的图像轮廓，使得分割容易进行。标记提取就是从简化后的幽像中提取出一些相连像素作为 种子点，作为珧策分割的初始区域。决策就是根据图像的灰度彩色梯皮信息进行区域生长 的过群，最终分割山对象的边界。文献 2 5 提出了一种时空形态学分割方法，通过移去对人 眼不敏感的细膏并保留对人眼敏感的细节，使得图像得到简化，然后采川基丁区域合并平1 1 分 割的算法得剑符个区域，而且不产生人i 边沿。由丁会分割山多个区域，历l 此可采川空间运 动连通性米消除小的造动区域。文献 2 8 提山采川多尺寸形态学梯度算法对幽像进行初始分 剌，然后根据远动敛性进行区域合斤。由丁采刖彩色信息进行区域合并时，容易消除弱的 边泓，而埘象的提取需婴让濉信息，冈此文献【2 9 提出基丁边沿加噪声模础的统计方法，认 为剥 - 剥i 出“；，h 、i - 的最仇f 证茁对称倚1 。边沿岍边， i 尽町能靠近边沿。该方法同时采川j 7 边“i ，口剃彩包忆型，以提蔫边“j 的准确定忙。i 女办法运竹简单，能较女r 地提墩远动肘缘的 轮廓，佃殁依韶梯度信窟，冈此刈嵘卢比较敏感。 6 光流场方法 光流的概念烂g i b s o n 一1 9 5 0 年茸先提的。所i 月光流指幽像中灰皮模式运动速度。物休 n 光源照射i v 其太f 门灰度甲现定的宅问分桶称之为灰皮模式。当人的眠哦删察运动 物体h j ，物休的景琢乱人隰的视网膜上形成。系列连续变化的幽像，这一系列近续变化的信 息小断“流过”视网膜( 即幽像平曲) ，女，像是一种光的“流”，故称之为光流。 当带光节杼斟的物体住3 d 空问运动时，在陶像平面l 就形成了相应的幽像延动场，或 称为幽像速豆场；扎理想情况r 光流场对席丁运动场，但也存在一些特殊情况，如对1 二一 中学 i 木j 、争f l i l ! l ：i t 义复杂背景下运砷目竹的捡：m j 个1 | 常均匀的球体，住设定的光源姒射r 当它住摄像机l 商绕光轴旋转时灰嗖模式j 1 刁i 晒 丧面返动l m 变化所以幽像也没有蹙化，此时光流，r 仟意地方都为零然i 币也! 、j j j 自士u 不等r 零：假如均匀球体不动而光源运动，次度模式随着光社；i 延动而变化，所以像也有变化，此 叫光；i 小为琴，但物体没有运动延! j j 场为霉。一般认为光流场与运动场没f i r 制。 光流场是一种! d 瞬时速度场，2 d 造瘦怂物体上可址点f l 3 d 述度住成像1 7 商一l ( 1 t 投影， 圯；乱场下仪禽t j 破观测物体的运动信窟、而且龠有3 d 物体结构的一l 富信息。光流场仃为“中 阃介质”，是较高层视觉算法的一个再。要输入这些视7 堑弹浊执行着诸如门十_ ：分州、识制、 跺踪、机器人导航以及形状信息恢复0 重要任务。光流信息对j 其它领域也是m 婴的，如心 脏手术后墒人心脏搏动现象的监洲、海洋和人气过科的解秆及预测等。光流场汁算趟计算帆 视觉及有天研究研究领域中的一个重要部分。 光流计算首先是由h o m 和s cj 1 u 1 1 c k 【3 0 1 提出的。1 9 8 1 年，h o r n 平【l s c h u n c k 提山了计算光流 的基本等式但利用基本等式米求解光流场是一个不适定问题这是闻为每点上的光流都 是一个速度向量，它有两个分姑，而由运动引起的幽像上每一点亮度的变化仅仅提供了一个 约求，田此必须引入一些附加的约束条什，才能得到唯一的解。 h o r n 等人依据同一运动物体所产生的光流场是连续千平滑的假设，提出了在光流场上附 加约束( 整体平滑约束) ，将光流计算问题转化为一个变分问题州米解决光流计锋的不适定 问题。 l u c a s , , l l k a n a d e 3 1 提出了局部光滑的约束条件，即假设在一个小的空间邻域上，景物的 延动火鼙保持恒定，然后使明加权最小二乘法估计光流。 t e r z o p o u l o s l 3 2 】乖l h i l d r e t h i 圳也分别捉出了更好的有向平滑度约束条什。 y a c h i d a i ”1 在此基础上提山了迭代算法，使光滑性约束条什不仅涉及空间域也涉及时间 域。 h a r a l i c k 等 13 5 的光流计算方法是将二维物体的表面分割成许多小的平面，他们假设二维 物体上每个小平面有近似的运动参数爿远动参数在短州问内为常鼙，依据此思想提出了汁算 光流附力约爪。 t r e t i a k 笆 l ”提山了不同的思路，他们将速度看作局部常茸，直接对基本式求偏导， 得j qr 1j h a r a l i c k 等的光流汁耸方法相似的算法。 n a g e 7 】个【丽地对灰度场| i f j 加约求进行r 训宄。 内复i 一人? 兄德教授领导n 勺i l ! 题纠曾刘灰膻时变图像的光流场计傩删沦年i i ) _ t 进 “过圳宄，f 提jj ：了多通道 ；1 2 ：1 o 。 除了基7 灰腰的方法以外，计笄光流的方法还有基 。能苗的方法1 3 9 1 、犟f 肛域的光流 场训算乃法“j 、基j - 像素递门的光流场计算方法、基1 随机甲滑度约粜条仆的贝i i i 斯光流 场分析法，以及傅立1 1 l 口适廊平滑约水方法 i i 儿何约束力法等。 中i i 卜i 学扯术凡学蚓it 亡迁复杂背景下运动目标的捡；州 b e a u c h e m i n 等”对光流的i 莽做j 一个很盘j 的全面? 宋述、 虽然堇j _ 光流的方法不需要进“连续剀像问特札的畦屺，f j 仔 蕾某些缺 。自丸，光 流的 f 谇需要做分延掉而剧像的微分运算是嵘声敏感的：其：父光流的汁雉常j 松弛法的迭 代遥律摊法费刚，啦以满足实叫控制的要求： i 其他 日前隆i 像分割算法已经提山了上千种”，新的方法不断推山。经媳f n 图像也缘检测1j 分剂方法不能 k 盘j 地解决边缘封川以及对嵘声敏感，壁丁不变儿们流的斟像处理方法f 有明 f i 的仝局操作件，使它住获取幽像对象的封轮廓和平滑噪j 上具仃优越性。 基丁脉冲耦合神经网络的红外日标分割方法也是。个新兴的研究方向。 由丁偏微分方群演化过群的连续性使得其算法实现的时问开销过人。另外它也雌以 解决1 f 凸性。1 f 凸性需要高阶偏微分方程。 基1 二模糊墒的图像分害方法。它对光照不均匀及强噪卢背景图像有优越性。也是主流方 法之一。基丁信息墒( 概率墒模糊墒) 的图像分割方法仍然是国i j 外研究的热点。基丁水 平集幽像分剽问题可以转化为1 f 线性偏微分方样的求解问题。新的研究是转化为不连续问题 以便更准确反映剀像信息的实际情况。基_ 丁1 r 线性不连续微分方馨 的数值求解，可以进行高 精度分割算法研究。 1 3 研究背景和工作 1 3 1 应用背景 火下的智能交通闷题就是一个典班的复杂背景f 运动目标的识别。在火乍交通事故中， 很多是在铁路道口发生的。按照惯例，火车要通过道口之前，由负责看守道口的铁道职i 放 r 栏杆，阻i r 行人通过。但是，由丁人为的疏忽和其他原冈，有栏杆没有即时放卜的情况出 现，曾经造成重人的人身事故。特别是在偏远的山区，由丁人力资源的原冈，常常没有道口 且 ! l ，可想而知是一个很人的安全隐患。 如幽1 1 ，在距离铁路道口xk m 处设置火下检测系统，通过摄像头拍摄火乍的视频幽像 序列，由检洲系统计算山火下的运行速度v ，这样得剑火乍到达道口的时间，从而通过白动 装胃放f 栏杆。将人i 监督丰钾能监督结合。保证火下返彳了时的交通安令。 幽l l 削像处脞一用十火寸智能系统1 ：心幽 6 要睾瞥景下运动目标亡一奎：础 1 3 2 研究工作 本实验宝一直从书复杂背景r 目标检测的掉i 去t , j t 究利应川。我仃j 通过对复j j 背景的蚜 程提出了些方案，比较成功地应川 i f l 油粘皮检测和l 衅洒俭测系统15 2 】。圈12 霸i 幽 1 3 是本人开展目标检测研究的实例。 幽12 啤酒和异物蟓始| 笙 像j 茎i l3 边缘椅测后的| 茔 像 本文主要研究抑制复杂背景对运动目标的影响拳l 提取目标的运动信息，从而达剑检测运 动目标的效果。我们以计算简单，分割精确，速度快为原! i ! l j ，提出了一种新的复杂背景一f 运 动目标检测的算法。主要思路为：采川小波去蝶莉i 增强对幽像序列预处理，增强帧闻著值法 对喋声的鲁棒性，自动分离运动区域和背景：选择台适的形态学滤波算子，填充分割山的运 动对象的内部的空洞，消除复杂背景产生的噪声，进一步确定运动区域；在经检测的运动区 域内使用光流场算法，计算运动目标的速度。算法流群图见图1 4 。 本文从现场采集火车运动视频i 封像序列的数据，将算法庶刚与火币的仿真实验中，提取 火下的运动信息，给出了实验结果：同时也将此算法麻崩丁骑白行下的人平啤酒检测系统。 1 4 论文内容安排 论文共分5 章，具体安排如f ： 第j 章是概述。土要介 “了本课题的研究意义，国内外研究动态研究背景雨l 研究i ： 作。 第2 章是复杂背景r 运动目标的分割。t 要介 “图像序列预处理和运动区域的分制的 理论雨i 方法。 第3 章是复杂背景r 运动目标的运动估计。土要介纠 十算运动f 域的光流场，井进行 实际述度的测掣：羽i 标定的理论和l 方法。 筇4 审是t 实验与分析。主要介 “复杂7 景f 运动h 标检测的算法，及其柚：火1 钾能系 统、j 肆酒检删系统等方商的麻川，最后给实验结果j 分w i 。 第5 章是结沦和腱望。主要对本文的l 。钔逊 j 总结，指) - 、足之处，前提出改进平 | 未 来的幢学 7 中 1 学救术人学坝仑艾复杂背予下运动目标的捡测 f 始 t 输入3 帧图像 i 小波变换预处理 11 + i l t 与t + l 帧间差 + 1 与t + 2 帧问差 i 数学形态学滤波数学形态学滤波 lj t 帧的运动区域t + 1 帧的运动区域 + 计算运动区域的光流场 t !输出光流场结果l ，l h 标实i 幻：速度的测量 俐 4 复杂甘嚣下i 三动| 柯0 台删的 。程胯i 8 r 秒 一 上撇 复杂肯景下适动目标的捡他5 第2 章复杂背景下运动目标的分割 本章主要介绍复杂背景下运动目标的分割的理论和方法包括运用小波变换对图像序 列进行预处理：用帧间差方法分割运动目标：用形态学滤波算子处理帧间差图像 2 1 图像序列预处理 考虑剑原始斟像信噪比较低，不宜直接提取日标，本文先小波变换对图像序列进行 预处理，提高酗像的信噪比。 2 1 1 小渡变换的理论m 小波变换是当今廊川数学中的一个迅速发展的领域，是分析羽i 处理1 卜平稳信号的一种有 力i ：具，它是以局部化函数所形成的小波基作为基底而展开的，具有许多特殊的性能和优点： 而小波分析划是一种更合理的时频表示和于带多分辨分析方法。对小波的研究开始丁8 0 年代 初，理论基础奠基于8 0 年代末，经过几十年的发展，它已在信号处理与分析、地震信号处理、 信号奇异性监测与谱估计、计算机视觉、语音信号处理、豳像处理与分析，尤其是在图像编 码、压缩和i 击噪等领域墩得了突破性的进展，成为一个研究开发的前沿热点：由于小波分析 在时域羊频域都具有良好的局部化特性，而且由丁i 对高频采取逐渐精细的时域或空域它铍人 们称为“数学显微镜”。 1 小波基本溉念 ( 1 ) 小波变换的定义 考虑定义在实直线r = ( 一o o ，十) 上的可测函数日杓空间( r ) ，函数满足： 肌x ) | ! d x ：= 少o ) 一g ( x ) d x z 州：= ，p “2 式( 2 2 ) o o ，f ，g r ( r ) 。 ( 2 ) 积分小波变换 定义：对函数厂( z ) l 2 ( r ) 的积分小波变换定义为 ( w c f ) ( b , a ) = p ( x ) 歹= 旷t 2 j 厂( x ) ( p ( x b ) la ) c l r 若( ( ，6 ) r ，由睨f 重构厂( z ) 的关系( 小波逆变换) 为 似) = ( ，) ( 如) 亨咖 ( ，矗 其中，r3 = r + r ，式子的积分小波变换也可以_ l j 内积表示为 ( 既) ( 6 ，“) = 川此“j ( r j = f ，( 石) 和积分小波变换式t d 以石山，的第( ，女) ，女一 我们以： 的 ( 2 - 1 ) ( 2 2 ) ( 2 3 ) ( 2 4 ) 波系数_ j 阳，的枞分小波变换在j i 有一进膨胀“= 2 。的一进平移h = k 2 。并给出叫： f ，。= ( 岷) ( k 2 ，l 2 ) f 2 - 5 ) 3 ) 进小波娈换 庄实际麻川中，特别是任汁算机实现r ， f 往需要将连续小波及其变换进行离散化， 肢对变换进行二进制离敞，把经这种离散化斤的小波和相府的小波变换称为一进小波神l 一进 0 中i 孚j f ： 、学坝i 论立复杂背景下运动目标的给，t ，i j 、波业搀 j i 九j k 废f 日f “羊平移i 工lj ：6 离敬化，山使j 计辫戢订= 2 h