ppt运动目标检测与跟踪

1、视频中的目标跟踪技术,张旭光 燕山大学电气工程学院,汇 报 提 纲,一、目标跟踪 二、主要难点 三、目标匹配的加速搜索 四、移动平台下的目标跟踪 五、未来展望,汇 报 提 纲,一、目标跟踪 二、主要难点 三、目标匹配的加速搜索 四、移动平台下的目标跟踪 五、未来展望,目标跟踪,目标跟踪是基于对图像序列的研究，力图从复杂的背景中检测甚至辨认出运动目标，并且对目标运动的规律加以预测，实现对指定的目标进行准确且连续的跟踪。,目标跟踪,应用领域:安防监控,交通管理,体育分析, 军事识别，人机交互.,目标跟踪,应用领域:安防监控,交通管理,体育分析, 军事识别，人机交互.,目标跟踪,应用领域:安防监控,

2、交通管理,体育分析, 军事识别，人机交互.,目标跟踪,应用领域:安防监控,交通管理,体育分析, 军事识别，人机交互.,目标跟踪,应用领域:安防监控,交通管理,体育分析, 军事识别，人机交互.,帧间差分法,这种方法就是将前后两帧图像对应像素点的灰度值相减，在环境亮度变化不大的情况下，如果对应像素灰度相差很小，可以认为此处景物是静止的，如果图像区域某处的灰度变化很大，可以认为这是由于图像中运动物体引起的，将这些区域标记下来，利用这些标记的像素区域，就可以求出运动目标在图像中的位置。,优点：鲁棒性好，运算量小，易于软件实现 缺点：对噪声有一定的敏感性，运动实体内部也容易产生空洞现象，阈值T缺乏自适应

3、性，当光照变化时，检测算法难以适应环境变化,Default:T=60,背景相减法是目前运动检测中最常用的一种方法，基本思想是将输入的图像与背景图像或背景模型进行比较，通过判定灰度特征的变化，或用直方图等统计信息的变化来分割运动目标。它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。传统的背景相减法包括背景模型的建立，目标决策和背景模型更新三个步骤。,背景相减法,检测实例：,（a）第1帧图像 （b）第2帧图像 （c）变化区域图像,（d）提取出的背景图像 （e）变化区域与背景差分图像 （f）运动目标检测结果,国内外对此类问题的解决办法：,基于滤波、数据关联

4、： Kalman Filter , Particle Filter, PDAF,基于目标建模定位：,特征抽取：,时域： 几何形状：边缘、轮廓、线条（抗光照） 纹理： 纹理丰富的目标 颜色： 颜色信息 （受光照影响大） 频域： 小波特征，傅立叶,2020/6/27,几种稳定的图像特征：,形状特征：,目标的形状是一个二元的图形，代表了目标的 边缘轮廓，因此许多图像分析的问题都可简化 为形状分析，形状分析的目的是简化原始图像 并且保留目标的形状特征。对目标的形状特征 做适当的量化处理就可以得到尺寸、旋转、光 照不变的形状描述，同时，形状匹配不受光照 条件的影响，使得目标识别更稳定。,形状上下文（sh

5、ape context):,以其中某个点与其他n-1个点构成n-1个向量,缺点：受遮挡影响，背景复杂不易提取边缘,解决办法：提取特征丰富点,L,颜色特征：,颜色属于目标的物理属性，在跟踪过程中得以保持稳定。且抗缩放、旋转、遮挡、三维视角变化的影响。,缺点: (1) 受光照影响明显； (2) r, g, b维空间增大了计算复杂度； (3) 易受颜色相近背景的干扰。,解决办法： 寻找克服光照的颜色空间； 将维颜色空间降维。,降维后的颜色空间：,分片匹配,汇 报 提 纲,一、目标跟踪 二、主要难点 三、目标匹配的加速搜索 四、移动平台下的目标跟踪 五、未来展望,背景混乱,目标被遮挡,缩放和旋转,光照

6、变化,摄像机运动,非刚性目标,研究多特 征融合的 目标匹配 与跟踪算 法具有重 要的理论 意义和实 用价值,主要难点,汇 报 提 纲,一、目标跟踪 二、主要难点 三、目标匹配的加速搜索 四、移动平台下的目标跟踪 五、未来展望,目标匹配的加速搜索,若干遗传代后收敛情况,第10代,第50代,第20代,若干遗传代后收敛情况,第10代,第50代,第20代,图像序列跟踪结果,遮挡造成 适应度下降,计算时间统计对比,汇 报 提 纲,一、目标跟踪 二、主要难点 三、目标匹配的加速搜索 四、移动平台下的目标跟踪 五、未来展望,移动平台下的目标跟踪,检测背景运动并补偿,块匹配补偿背景运动,特征丰富的区域,区域确定,Good,Bad,Evaluating Feature Richness,Approach,Color Orientation Codes,Entropy,移动平台下的目标跟踪,先前帧,特征熵,抽取的特征区域,Approach,Covariance Matching,Approach,Distance Measure of Covariance Mat