基于攝像機運動的目標檢測方法研究.pdf

1、動態(tài)場景的運動目標檢測算法的研究是當今圖像處理與圖像理解領域的一個熱門方向，也是未來視頻處理的發(fā)展方向，受到當前圖像界以及人工智能領域?qū)＜业臉O大重視。本文在角點檢測及跟蹤基礎上，通過角點的魯棒估計以提取出只屬于運動目標的角點。并結合目標點集的坐標信息在初始分割圖像中提取出目標區(qū)域，最終實現(xiàn)動態(tài)場景下的運動目標檢測。本文主要工作內(nèi)容如下:
　　本文研究了結合秩約束原理的隨機抽樣一致性算法，以及提出了基于秩約束原理的最小平方中值方法實

2、現(xiàn)圖像角點的估計分類。實驗結果顯示這兩種方法有很好的穩(wěn)定性、較高的準確率和較高的崩潰率，能夠?qū)z測到的運動目標特征點從所有特征點中提取出來。同時，提出了一種基于最小曲率半徑的分類算法。通過觀察圖像的角點軌跡曲線，在攝像機與運動目標之間的相對運動量較大時，可以明顯看出背景軌跡曲線和前景軌跡曲線的歪曲程度不同。據(jù)此，通過設定一個適當?shù)淖钚∏拾霃介撝祵⒈尘败壽E曲線和前景軌跡曲線進行區(qū)分，從而將圖像角點分為背景點集和前景點集，以便后續(xù)目標的提

3、取。實驗結果顯示該方法在背景運動與目標運動之間的相對運動量較大時，可以有效的將運動目標特征點提取出來，與上述兩種方法相比具有計算簡單，算法復雜度低，穩(wěn)定性高等優(yōu)點。
　　本文為提取出只包含目標的區(qū)域以實現(xiàn)運動目標的檢測，提出一種結合目標點集的坐標信息進行目標檢測的方法。該方法首先對圖像進行等周分割，然后利用目標點集的坐標信息從分割圖像中提取出目標區(qū)域，并對提取出的目標區(qū)域進行邊界連接和腐蝕膨脹等操作，充實目標區(qū)域，以便得到更為完整