人形目标检测与跟踪.docx

《人形目标检测与跟踪.docx》由会员分享，可在线阅读，更多相关《人形目标检测与跟踪.docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、人形目标检测与跟踪一、本组研究方案，算法系统框图二、检测算法、原理、程序实现方法、调试经过【视频处理】教师提供的两端视频两段视频并不能直接用来输入OpenCV所编程序处理，需要将其转化为无压缩的avi格式。利用软件WinAVIVideoConverter，转换为ZJMediauncompressedRGB24格式。【背景建模】我们小组利用N帧图像的平均来求取背景，并实时对背景进行更新。由于考虑到ExhibitionHall.avi视频中运动物体所占场景比例少，运动轨迹为直线，为了处理的简单，所以在这不刻意区分物体和背景像素点。即(1)(1)()()AAABkBkIk+=-+，这里的很小0.00

2、3。【前景提取】灰度图像的处理比彩色图像的处理经过简单。我们小组将读入的彩色图像变成灰度图像，并二值化；同样，背景也进行二值化。两者做差值，得到一些离散的黑白点块。也就是要识别的目的。但是，这样得到的块是分散开的，程序整的人形被分块识别成多个目的。为此，我们做了一些简单的后处理。先腐蚀元素，去除不必要的杂点，然后进行膨胀块处理，自定义块的大小，使其膨胀成能被识别成一个人形的目的。另外，我们还做个简单的高斯低通滤波，是得到的结果光滑些。其流程图如右。【目的检测】根据前景处理的结果，得到一些连续的块目的。利用帧间差，能够提取出目的的轮廓。根据轮廓的位置分布，计算出检测目的的形心和大小。并予以标记。

3、【目的跟踪】根据目的帧间的位移差值，能够计算出运动目的在x，y方向上的运动速度。能够利用这个关系判定下一帧目的的位置。设置一个适宜的阈值，就能够实现目的的跟踪。在此，我们还引入了重叠判定机制。假如目的重叠，即通过遍历，发现块重叠大于一定阈值后，根据前面得到的位置预测判定当前物块位置；假如不重叠，则遍历这幅图像中的所有物块，寻找邻近最优物块，以保持编号连续性。在目的跟踪经过中，还进行了Kalman滤波，对目的轨迹进行滤波处理。四、总结、存在问题分析这段程序能基本检测出在场景中的运动目的，并且对目的没有长时间停留和背景中的场景固定的视频检测效果好。我们小组在刚开场做的时候并没有注意到是“人形目的检

4、测与跟踪，而是直接作为“运动目的的识别和跟踪进行处理。由于建的模型很简单，只要是与背景相比有变化的部分都能被检测出来。假如要做人形目的识别，就需要对人形目的进行建模，规定一定的长宽比，设定一个阈值，在这范围内的目的就能被识别出来。这样，在镜中的成像，光照的影响都能够被滤掉。另外，这段程序在某些与背景类似的目的检测上效果较差，容易把它识别成两个目的。这是由于背景建模采用了“背景更新法和前景提取用了“二值化处理。固然采用了“背景更新，但是给定的很小，只要0.003，相当于我们以为背景一直是固定的。“二值化处理使得在识别上忽视了很多像素点。这样和背景颜色类似点就很容易被判为背景，这样就会造成一个人形

5、目的会被识别成几个目的。采用“帧差法能较好的避免这个问题，得到的人形轮廓与背景的像素没关系。物体长时间停留，会产生目的丢失。当该物体再次移动时，会产生虚假目的。这也与背景建模有关系。这也许是采用了“背景法建模的同学心中的永远的痛。由于roomWalk.mpg里就有人形物体长时间停留。经过小组内讨论，采用“背景法和“帧间差结合的方法能较好的避免这个问题。假如物体长时间停留，采用“背景法和“帧间差得到的结果肯定会不一样。在这要进行一点简单处理，就是把“帧间差图像做镜像，然后用与“背景法中区域像素填充“帧间差图像中人形区域。两者做差值，根据得到的差值就会把整幅图像分成两个区域，一个是物体长时间停留得到的“虚假目的区域，一个是“正常目的区域。借用图像分割技术中的“基于区域的分割中的拆分和聚合思想，在背景更新中将“虚假目的区域进行忽略，这样得到的结果就只要运动目的了。