運動目標(biāo)檢測

　　跟蹤各過程算法綜述 圖像預(yù)處理 數(shù)字圖像中的幾種典型噪聲有：高斯噪聲來源于電子電路噪聲和低照明度或高溫帶來的傳感器噪聲椒鹽噪聲類似于隨機分布在圖像上的胡椒和鹽粉微粒主要由圖像切割引起或變換域引起的誤差加性噪聲是圖像在傳輸中引進的信道噪聲。 一般來說引入的都是加性隨機噪聲可以采用均值濾波、中值濾波、高斯濾波等方法去除噪聲提高信噪比。均值濾波在噪聲分布較平均且峰值不是很高的情況下能夠得到較好的應(yīng)用中值濾波對尖脈沖噪聲的濾除有較好的效果并且能突出圖像的邊緣和細節(jié)高斯濾波對濾除高斯白噪聲有較好的效果。 運動目標(biāo)檢測 背景差分法：能完整、快速地分割出運動對象。不足之處易受光線變化的影響背景的更新是關(guān)鍵。不適用攝像頭運動的情況。 光流法：能檢測獨立運動的對象可用于攝像頭運動的情況但計算復(fù)雜耗時很難實時檢測。 幀差法：受光線變化影響較小簡單快速但不能分割出完整的運動對象需進一步運用目標(biāo)分割算法。還有一些改進的算法主要致力于減少光照影響和檢測慢速物體變化。 圖像標(biāo)識 圖像標(biāo)識的作用是確定物體是否獨立圖像中有幾個運動目標(biāo)。

　　1領(lǐng)域：常取周圍的4或8個像素作為領(lǐng)域。

　　2連通域：二值圖像中互相連通的0像素集或1像素集稱之為連通域。被1像素包圍的0像素叫做孔。1像素連通域不含孔時叫做單連通成分含有一個或多個孔的連通成為叫做多重連通成分。 3標(biāo)記：差值后的一幀圖像可能存在多個連通域每個非連通域?qū)?yīng)一個目標(biāo)圖像區(qū)給各目標(biāo)區(qū)分配相應(yīng)標(biāo)號的工作成為標(biāo)記。 標(biāo)識過程大致為：按一定順序逐個掃描像素掃描到1的像素檢測其領(lǐng)域的像素值若一樣則為連通域并標(biāo)記為第一個目標(biāo)然后依次尋找下一個目標(biāo)。 在所有可能的目標(biāo)都找到了之后可以為每個目標(biāo)劃出一個波門將目標(biāo)框起來。并建立一個多目標(biāo)位置鏈表找到的每一個目標(biāo)區(qū)域的中心位置都作為一個結(jié)點加入該鏈表儲存起來。波門的劃分有可能將同一個目標(biāo)分為兩個部分或者一個波門里包括了兩個目標(biāo)使得目標(biāo)數(shù)據(jù)錯誤增加或減少所以還要判斷當(dāng)前的目標(biāo)是屬于同一個目標(biāo)還是不同的目標(biāo)這將在后面的圖像分割中完成。 圖像分割 圖像分割用于分離目標(biāo)和背景的組合或者分離不同目標(biāo)的組合。圖像分割不僅可以大量壓縮數(shù)據(jù)減少儲存容量而且能大大簡化其后的分析和處理步驟。 1直方圖閾值分割法 灰度直方圖即為灰度級的像素數(shù)與灰度的二維關(guān)系反映了一副圖像灰度分布的統(tǒng)計特性。如果前景物體內(nèi)部灰度值分布比較均勻背景灰度值的分布也比較均勻這個圖像的直方圖將有明顯的雙峰這時可以選擇兩峰之間的谷底作為閾值。由于直方圖不含目標(biāo)的位置信息還要結(jié)合圖像的內(nèi)容來確定。 2最大類間方差閾值分割法 利用圖像目標(biāo)與背景這兩類的總體灰度之間存在的差距確定閾值從而進行分割。

　　3區(qū)域生長法 指將周圍特性相似的像素再次合并到目標(biāo)區(qū)域中。 4邊緣檢測和輪廓提取分割法 5形態(tài)學(xué)分割法 主要作用是使運動目標(biāo)的區(qū)域更加完整。 腐蝕的作用是消除物體邊界點把小于結(jié)構(gòu)元素的物體去除。如果兩物體之間有細小的連通那么當(dāng)結(jié)構(gòu)元素足夠大時通過腐蝕運算可以將兩個物體分開。 膨脹運算的作用是把圖像周圍的背景點合并到物體中。如果兩個物體比較接近那么膨脹運算可能會使這兩個物體連通在一起。膨脹對填補圖像的空洞很有用膨脹最簡單的應(yīng)用之一就是將裂縫接起來。 形態(tài)學(xué)也可用于圖像濾波、增強等方面。 運動軌跡預(yù)測 在分割出運動目標(biāo)后應(yīng)提取出目標(biāo)的特征然后在下一幀圖像中匹配特征從而跟蹤目標(biāo)。但為了減少搜索特征匹配的區(qū)域提高實時性在此加入對目標(biāo)運動軌跡預(yù)測這一步驟。運動軌跡預(yù)測也有利于增強遮擋情況下跟蹤的魯棒性。 1線性預(yù)測算法 2Kalman濾波算法及其擴展算法 3粒子濾波算法 目標(biāo)跟蹤 1特征選取 灰度特征對于灰