目标识别和跟踪用KALMAN

1、基于视频的运动目标检测与跟踪2013.03.29目录 研究背景 视频图像的预处理 运动目标检测 运动目标跟踪 结论研究背景 视频运动目标检测与目标跟踪具有很强的实用价值，主要应用在视频监控、视频图像压缩、智能交通、人机交互、机器人导航、医学图像分析、工业检测等领域。视频图像的预处理(1/2) 彩色图像灰度化最大值法平均值法加权平均值法 能量法BGRMaxBGR,3BGRBGRBWGWRWBGRbgr212223BGRBGR视频图像的预处理(2/2) 图像的平滑滤波 (1)中值滤波 (2)邻域均值滤波 (3)高斯滤波 运动目标检测 (1/4) 背景相减法原理：建立一个无运动目标的背景图像，然后将

2、当前图像的像素值与背景图像的像素值相减，通过设置一定的阈值，分割运动目标。优点：算法简单、实时性较高缺点：对背景的依赖性较高运动目标检测 (2/4) Surendra背景更新方法 将 第 一 帧 图像 作为背景 ； 选 取 阈值T ； 求 当前 帧 的差 分 图 像 由 二值 图像 更新背景图像 111,|0,|tttttIITfIIT1( , )(1) ,0( , )( , ),1ttttttB x yIfBx yB x yf0I0Btf1tB运动目标检测 (3/4) 邻帧差分法原理：将两幅图像做差分运算，利用两幅图像中像素间灰度值的变化，经阈值化处理后确定运动目标在图像上的位置优点：算法实

3、现简单，对背景的变化不太敏感缺点：所检测到的运动区域的大小与目标的运动速度有关运动目标检测 (4/4) 光流法原理：给图像中的每一个像素点赋予一个光流矢量(即速度矢量)，当物体和图像背景存在相对运动时，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的位置。优点:精确度高、适应性好缺点:易受噪声、遮挡性、透明性等原因，不能求解出正确的光流场，计算量大，很难实现运动目标的实时检测运动目标跟踪(1/7) 运动目标跟踪方法是对图像序列的每一帧图像进行分析，从各帧图像中检测出运动目标，并在后继各帧中定位这些目标。运动目标跟踪(2/7) Kalman滤波器 利用反馈控制系统估计运动

4、状态，该过程分两步、预测：用当前的状态和误差协方差估计下一时刻的状态，得到先验估计修正：反馈，将新的实际观测值与先验估计值一起考虑，从而获得后验估计 在每次完成预测和修正以后，由后验估计值预测下一时刻的先验估计，重复以上步骤，这就Kalma滤波器的递归工作原理运动目标跟踪(3/7)运动目标跟踪(4/7) Camshift(Continuously Apative Mean-Shift) 通过视频图像中运动物体的颜色信息来达到跟踪的目的(1)Back Projection计算(2)Mean Shift算法(3)CamShift算法运动目标跟踪(5/7) Back Projection计算 (1)

5、将色彩空间转化到HSI空间，获得其中的H分量 (2)计算H分量的直方图 (3)根据获得的色彩直方图将原始图像转化成色彩概率分布图像运动目标跟踪(6/7) Mean Shift算法 (1)选择窗口的大小和初始位置 (2)计算此时窗口内的质心 (3)调整窗口的中心到质心 (4)重复2和3，直到每次窗口移动的距离小于一定的阈值运动目标跟踪(7/7) CamShift算法思想：所有帧作MeanShift运算，将上一帧的结果作为下一帧MeanShift算法的Search Window的初始值，迭代下去(1)将整个图像设为搜寻区域(2)初始话Search Window的大小和位置(3)计算Search Window内的彩色概率分布(4)运行MeanShift，获得Search Window新的位置和大小(5)在下一帧视频图像中，用第3步获得的值初始化Search Window的位置和大小，跳转到3继续运行总结 主要讲述了目标识别和跟踪