基于邊緣特征的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤.pdf

1、隨著經(jīng)濟(jì)的發(fā)展,智能視頻監(jiān)控在構(gòu)建和諧社會(huì)與平安城市,保障國(guó)家安全與應(yīng)急救災(zāi)等領(lǐng)域有著重要意義。作為智能視頻監(jiān)控系統(tǒng)中的核心技術(shù),運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤是計(jì)算機(jī)視覺(jué)主要研究方向之一,是目標(biāo)識(shí)別與行為理解的基礎(chǔ)。運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的最終目的是使計(jì)算機(jī)視覺(jué)能夠像人類視覺(jué)那樣具有目標(biāo)識(shí)別和運(yùn)動(dòng)感知的功能。人類視覺(jué)對(duì)于目標(biāo)的判斷與識(shí)別主要是基于邊緣輪廓再輔以顏色紋理等特征來(lái)進(jìn)行處理與分析,Konishi曾經(jīng)指出,不同尺度意義下的邊緣特征包含了圖像

2、的全部信息。但在目前的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的相關(guān)技術(shù)研究中,邊緣并沒(méi)有起到它應(yīng)有的重要作用。因此,本研究從邊緣特征的角度討論了運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的相關(guān)理論,提出了針對(duì)傳統(tǒng)的Canny與模糊邊緣檢測(cè)算法的三點(diǎn)改進(jìn),提出了一種新的基于FBEM模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法,對(duì)Mean Shift跟蹤算法的局限提出了兩點(diǎn)改進(jìn)。這些新方法和改進(jìn)算法的目的是提高運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的精度并減少算法計(jì)算量。
　　對(duì)Canny算法和模糊邊緣算法作出的改進(jìn)如

3、下:提出了一種自動(dòng)確定Canny高低閾值的一維熵最大化方法,選擇一維熵最大時(shí)的閾值作為高閾值,將高閾值的三分之一設(shè)定為低閾值,解決了傳統(tǒng)Canny邊緣檢測(cè)要求手工設(shè)定高低閾值的問(wèn)題。提出了一種多窗口局部閾值的方法,多窗口局部閾值將一副圖像劃分為多個(gè)小窗口,分別自動(dòng)計(jì)算其最佳閾值,解決了傳統(tǒng)Canny邊緣檢測(cè)在圖像部分邊緣被陰影遮擋時(shí),全局單一的閾值不能正確檢測(cè)邊緣的問(wèn)題;提出了一種改進(jìn)的快速模糊邊緣算法,使用了一種新的隸屬函數(shù),解決了在

4、圖像轉(zhuǎn)換時(shí)部分低灰度像素被切割為0的問(wèn)題,使算法的計(jì)算消耗時(shí)間減少了35％左右。
　　提出了一種新的基于FBEM(Foregound/Background Edge Model)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。該方法以圖像的二值化單像素寬度邊緣作為輸入,利用背景減除法的思想,構(gòu)建了二值化邊緣的前景背景邊緣模型,分離出靜態(tài)背景和動(dòng)態(tài)前景的邊緣圖像,補(bǔ)償了前景與背景邊緣交叉點(diǎn),進(jìn)行了邊緣圖像去噪等一系列后處理,得到穩(wěn)定的目標(biāo)運(yùn)動(dòng)區(qū)域,有效檢測(cè)出運(yùn)

5、動(dòng)目標(biāo)并減少了計(jì)算量。
　　針對(duì)傳統(tǒng)的Mean Shift對(duì)稱核窗口函數(shù)包含了部分背景顏色的信息,對(duì)跟蹤的準(zhǔn)確程度產(chǎn)生干擾的問(wèn)題,提出一種改進(jìn)的非對(duì)稱核函數(shù)Mean Shift算法。該算法以目標(biāo)外圍輪廓為基礎(chǔ)利用Level Set構(gòu)建核函數(shù),非對(duì)稱核函數(shù)能夠完全去除背景顏色信息的干擾,有效提高跟蹤的精度。在目標(biāo)速度較快或前后幀中變化劇烈時(shí),傳統(tǒng)的Mean Shift算法需要經(jīng)過(guò)多次迭代才能收斂到目標(biāo)區(qū)域,本研究提出了直接利用當(dāng)前幀

6、所檢測(cè)出來(lái)的目標(biāo)中心點(diǎn)位置作為Mean Shift第一次迭代計(jì)算中候選目標(biāo)中心點(diǎn)位置的改進(jìn)方法。這個(gè)改進(jìn)加快了中心點(diǎn)漂移的速度,經(jīng)實(shí)驗(yàn)證明有效減少了迭代次數(shù)。
　　為驗(yàn)證本研究算法的有效性,構(gòu)建了一個(gè)實(shí)驗(yàn)平臺(tái)——行人計(jì)數(shù)實(shí)驗(yàn)系統(tǒng),分析了提高行人車輛計(jì)數(shù)準(zhǔn)確率的技術(shù)關(guān)鍵,提出了在出入口和交通道路計(jì)數(shù)兩個(gè)應(yīng)用中設(shè)置進(jìn)出計(jì)數(shù)線和處理分離融合等方法,結(jié)合基于自適應(yīng)閾值和多窗口的 Canny邊緣檢測(cè)、基于FBEM的運(yùn)動(dòng)檢測(cè)和快速M(fèi)ean S