运动目标检测课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《运动目标检测课件.ppt》由用户(三亚风情)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。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。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 运动 目标 检测 课件
- 资源描述:
-
1、l运动目标检测的简介l运动目标检测的预处理帧间背景校正混合高斯模型建模l运动目标检测的方法l卡尔曼滤波l粒子滤波运动目标检测的简介运动目标检测的简介l运动目标检测是指在序列图像中检测出变化区域并将运动目标从背景图像中提取出来。l通常情况下,目标分类、跟踪和行为理解等后处理过程仅仅考虑图像中对应于运动目标的像素区域,因此运动目标的正确检测与分割对于后期处理非常重要。l由于场景的动态变化,如天气、光照、阴影及杂乱背景干扰等的影响,使得运动目标的检测与分割变得相当困难。运动检测分为静态背景和动态背景两类。l常用的方法有帧差法、光流法、背景减除法等。运动目标检测的预处理运动目标检测的预处理帧间背景校正
2、首先对相邻帧进行全局运动估计,补偿当前帧以实现背景校正背景建模混合高斯模型建模帧间背景校正帧间背景校正l特征点提取采用经典的Harris算子提取参考帧的特征点,计算图像亮度I(x,y)在点(x,y)处的梯度:构造自相关矩阵 表示卷积算子,是高斯平滑函数( 1,0,1)( 1,0,1)TXIYI 22,()AXw BYw CXYw222exp( ()/ 2)wxy得到一个二阶实对称矩阵M=A,C;C,B,必然存在两个特征值 和 ,代表自相关的主曲率。提取特征点如果特征值 和 是极大值时,则点(x,y)是一个特征点。即满足: ,其中, , ,这里T是一个固定的阈值,参数k=0.040.06。减号后
3、面的部分是修正,目的是抑制边缘点的误检。12122det()()RMktraceMT12det M12traceMl特征点匹配在当前帧找到参考帧中每一个特征点的唯一匹配点。step1:以特征点 为中心,将其领域构造一个尺寸为M N的模板图像 作为特征窗step2:在当前图像中对应位置处,确定(M+2p) (N+2p)的搜索区域 ,其中p表示设定的水平和垂直方向最大偏移量step3:从搜索区域的中心开始搜索,搜索路径采用菱形法,计算每点的绝对误差和SAD(Sum of Absolute Difference)值,其计算公式kp1I2I1211( , )( , )(,) ( ,. )MNmnSAD
4、 i jI m nImip njpi jpp step4:找出最小的SAD值,则其对应位置为匹配特征窗,其中心点即为匹配特征点l全局运动参数计算 假定参考帧中点 运动到当前帧的位置则对应的坐标关系为: 其中m2和m5表示两图的平移量,m0,m1,m3,m4表示尺度和旋转量,即为图像仿射变换模型。将特征点代入,求最小二乘解,求解的目标是使得各特征点的位置误差达到最小。 ,Tx y ,Tx y012534m mmxxmym my l帧间图像补偿 全局运动参数矩阵M代表的是背景的运动,即摄像系统的旋转、水平和垂直偏移运动。对当前帧的像素坐标利用M矩阵进行变换,得到新的坐标,并将原图中像素赋给该新坐标
5、,即可获取补偿后的结果图像,实现对帧间背景运动的校正。混合高斯模型建模混合高斯模型建模假设图像中的每一点的像素观测值和其他像素点的观测值相互独立,在某时刻t,设像素点的观测值为 ,则时刻t观测值为 的概率可以用具有K个高斯分布的混合高斯模型建模:tXtX,1()(,)Kti tti ti tiPXwX1,2,11(,)exp()()21(2 )2Tti ti tti ti tti tni tXXXK是高斯分布的个数,一般去3至5个, 是第i个高斯分布的权重, 是时刻t第i个高斯分布的均值向量, 是其相应的协方差矩阵, 是高斯分布的概率密度函数 。为了减少计算量,通常假定(R,G,B)三个颜色通
展开阅读全文