《运动目标图像的识别与跟踪_1.docx》由会员分享，可在线阅读，更多相关《运动目标图像的识别与跟踪_1.docx（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、运动目标图像的识别与跟踪运动目的图像的识别与跟踪本文主要目的是将视频摄像头中的运动目的从背景中提取出来，并加以跟踪。首先考虑的是常见的目的检测的算法，其次考虑对于噪声的滤除，最后是对运动目的的跟踪。一、基本目的检测算法我们主要考虑的目的检测的算法主要有三种，光流场法、背景模型法以及时域差分法。1.1光流场法光流主要是图像亮度形式的表现运动。而光流场则是指灰度形式的外表运动。一般条件下，我们能够根据图像的运动，进行估算相对运动。光流场法的基本理论是光流场基本方程：0=+tyxIvIuI(1.1)式中我们根据亮度守恒，利用泰勒公式展开，忽略高阶项与二次项。其中xI、yI和tI是图像在对数轴x、y两
2、个方向和t的的导数，()vu,就是这个点的光流坐标。光流场法的目的检测，在摄像机运动时候可以以做出判定，但是图像的噪声太过明显，使得计算数据庞杂，计算的公式愈加复杂，这样并不合适我们的对于目的跟踪的高精度的摄像系统。1.2背景模型法背景模型法，也被称为背景差法，主要利用当前的图像和背景的图像的二值化做差，然后取阈值，分割运动目的。首先根据：()()()yxbyxfyxDttt,-=(1.2)我们能够得到当前的图像帧数()yxft,和背景图像的帧数),(yxbt做差，然后以公式对图像进行二值化的处理。?=)(,0)(,1),(BackGroundTDForeGroundTDyxPttt(1.3)
3、上面),(yxPt是二值化模板图。假设某一区域大于一个给定的面积的时候，该区域就是我们要找的目的区域。背景模型法的算法简单，能够快速反响，并且能够提供运动目的的大概特征等数据。但是对于复杂背景下，比方人流较大的公共场所，或者有光照等干扰时，就需以其他的算法以不断更新背景信息来进行弥补。相关的，还有背景统计模型法，在没有运动目的的前提下，建立背景的静态景观作为背景数据，然后根据前一帧数图像和以后的图像进行实时比对，收集运动目的。如今最常用的描绘背景点颜色分布的概率模型是高斯分布，并提出了自适应高斯混合背景模型，用以模拟背景。背景统计模型的方法是在数理统计方法之上，相比之下，和对整体的像素点利用同
4、一阈值分割愈加有效、合理。1.3时域差分法该方法是指对一个非常小的时间间隔t?(t?=)(,0)(,1),(BackGroundTDForeGroundTDyxPttt(1.5),(yxPt是二值模板图。目的像素大于T时，该像素就是目的像素，小于等于T时就一定为背景像素。时域分析法的计算速度快，对于运动目的的分析准确。固然不能完全分析出运动目的所有的像素点，但是能够确定运动目的的方位。美中缺乏的是，它对于运动目的的位置检测不够精细，而且也有较多的噪点。二、针对本文对移动目的跟踪的方法在本文中，我们在针对移动目的的检测跟踪，首先截取一个静态的图像，作为背景，其次针对这一背景我们与下一时间段的所截
5、取图像进行比拟。假如有较大的变动，讲明有移动物体出现。然后根据：灰度、中值滤波、二值化、差值法、确定运动目的、求重心这一顺序来完成对运动目的的跟踪。2.1RGB图像的灰度化处理正常收集的图像都是彩色的图像，需要我们对彩色的图像灰度处理，能使得图像后期的处理愈加简单。如今的图像收集方式所收集的图2.1运动目的跟踪算法程序图图像中的像素的颜色有绿色、红色和蓝色三个分量。这三种颜色分别搭配组成各种各样的颜色。其中每个分量有255种取值，相当于每个像素点上颜色的变化范围到达一千六百余万种。灰度图像是图像中比拟特殊的一种，它的红绿蓝三个分量一样的特殊的彩色图像，像素点也只要255种变化，变化范围大大变小
6、，计算量也同时变小，方便我们后期其他的处理。所以我们一般进行数字图像处理的时候都要先将图像变为灰度图像。它不影响我们对图像整体特征的了解，由于其本身具有与彩色图像一样明暗特征，色度特征等。整体和局部的特征除了颜色，没有其他的变化。我们能够利用公式进行灰度化处理：),(*11.0),(*59.0),(*3.0),(yxByxGyxRyxGray+=(2.1)上式，),(yx为图像中一个像素点的坐标，Gray所代表的的物理意义是点的亮度，也就是灰度。R、G、B分别代表红色绿色蓝色这三个颜色分量。图2.2是收集的原图像和灰度图像比照，4.2a图为收集到的原图，4.2b为经过灰度处理的图像。a收集到的
7、原图b灰度处理后的图像图4.2收集到的原图与灰度图像比照2.2图像的中值滤波处理在图像收集、录像摄影经过中，图像经常会遭到各种噪声的干扰。体现为一些单独的小像素点，彩色图像或者灰度图像中，显示不明显，但是假如未经过滤波处理的图像，在二值化经过中就一定特别明显，会发现图像周围由于光线明暗、背景或者身体颜色的过渡构成一些孤立的像素点，也就是噪声。这与这些噪声影响我们对于图像的处理的准确度，并对图像的分割、分析、阈值或者判定等带来宏大的影响。遭到噪声影响的图像有多种方法进行滤波，其中很多种方法去除噪声的同时，使得图像边缘变得模糊，这样令我们的图像特征遭到很大影响。这是图像滤波的低通性，一般这种滤波方式都是线性的滤波。我们使用中值滤波方式，这种方式是非线性的，能够做到保护边缘又能够去除明显的噪声污染。把数字图像中的一个点的值用该点的一个区域的各个点的值的中值代替。一组数nxxxxx4321,，令其排序如下：