复杂背景下运动目标跟踪

11
谢谢！
9
两种算法比较
改进方法比 Kim方法更能保证目标轮廓的完整性和运 动目标区域的连通性。完整的目标轮廓对于精确反映目标的 形状、边缘以及目标在图像中的区域和位置都是很重要的， 而运动目标区域的连通性对于精确提取运动目标的二值模板 和灰度模板、多运动目标中的多目标定位以及确定目标的外 接矩形也都是很关键的，所以保证目标的轮廓完整性和目标 区域的连通性是我们评价运动目标检测结果的一个重要考虑。
3
Kim方法目标分割
Kim方法的运动目标检测模型如图所示
Kim方法在做运动目标检测时首先要采集 k和k+1时刻的连续两帧灰度 图像和预先采集到的一幅静态背景图像， 此静态背景图像只能包含静 止不动的物体
4
Kim方法目标分割
为了检测到图像变化的区域，需要计算k和 k+1 时刻的连 续两帧灰度图像的时域差分T1与当前帧图像和静态背景图 像的差分Tb。这两个差分二值化的图像Tt和Tb可以通过以 下公式得到：
结论
如果T1(x,y)和Tb(x,y)有一个出现运动信息的漏检就会影响 到最后的结果。实验证明，这种由于漏检所造成的影响，会 使二值的运动模板图像中目标的内部出现较多被误判为背景 的运动信息点，较难形来自百度文库一个完整的目标轮廓和保证运动目 标的连通性，降低了此种方法运动目标检测的效果。
7
改进的运动目标分割算法
考虑到Kim方法在使用过程中所产生的上述问 题，在Kim方法的基础上提出了一种改进的运动目 标检测算法，在实验过程中获得了较为满意的结 果。 改进的运动目标检测算法的模型如图2所示。
8
两种算法比较
改进的运动目标检测算法与Kim方法相比的共同之处 是：都是将连续帧间差分法与背景差分法相结合，都使用 连续两帧灰度图像fk,fk+1和背景图像，最后的检测结果 都是以二值的运动模板给出。不同之处是：Kim方法是对连 续帧间差分图像和背景差分图像分别二值化处理得到Tt和 Tb，然后求取这两幅二值图像的公共部分，最后得到检测 结果Mk。改进方法是：首先将连续帧间差分图像和背景差 分图像直接相乘得到灰度图像，然后对此灰度图像再进行 二值化处理，最后获得二值的运动模板Mk。Kim方法和改进 方法在进行二值化处理时使用的都是最大类间方差法阈值 分割算法。
10
结论
改进方法之所以比Kim方法能更好地保证这两 点，是因为它不仅像 Kim方法一样保留了两幅差分 图像中检测到的运动信息的公共部分，而且还通过 差分图像直接相乘，使相乘所得到的灰度图像中运 动信息的公共部分的灰度变得最大，运动信息的非 公共部分的灰度值次之，非运动信息部分最小，这 样在使用最大类间方差法进行阈值分割后，既可以 保留运动信息的公共部分，又可以使两幅差分图像 的非公共运动信息部分也部分地得到保留。
2
Kim方法目标分割
在Kim方法的变化区域的检测中，灰度级的变化量不 仅用到了连续两帧图像的差分图像，而且还用到了当前 一帧图像和背景图像的差分图像。这种将两个差分图像 结合起来用于运动目标检测的思想，既避免了连续帧间 差分法的两帧图像目标重叠部分检测不出来及检测出目 标在两帧的伪运动信息的问题，又解决了背景差分法容 易受外界环境影响的问题，所以Kim方法能够比较精确地 提取运动目标的二值模板。
式中：t1和tb为进行差分图像二值化的阈值，这里的阈值通过自适 应阈值算法中的最大类间方差法得到。基本思路是将直方图在某一 阈值处分割成两组，当被分成的两组的方差为最大时，得到阈值
5
Kim方法目标分割
最后，二值的运动模板可由下式计算得出：
Mk(x,y)在坐标(x,y)处只有当两幅差分二值图像 Tt(x,y)和Tb(x,y) 在(x,y)的位置上都是非零时，它们 的与或乘积才不是0；反之，如果Ti(x,y)和Tb(x,y)其 中一幅在图像的位置上没有检测到运动信息，就判定最 后得到的二值的运动模板(x,y)在此点上 没有运动信息， 也就是二值的运动模板只是Tt(x,y)和Tb(x,y)所检测到 6 的运动信息的一个交集。
背景
运动目标跟踪是数字视频技术发展中产生的一 个重要的研究课题 ， 在基于安全要害部门的视频 监控等领域有着十分重要的研究意义。如何精确地 对运动目标进行定位跟踪， 对于提高军事中的武器 制导、武器 打击的精度等有着重要的影响。
1
定 义
所谓运动目标跟踪，就是在运动目标检测的基础上， 利用目标有效特征，使用适当的匹配算法，在序列图像中 寻找与目标模板最相似的图像的位置，简单说来就是给目 标定位。在实际应用中， 运动目标跟踪不仅可以提供目标 的运动轨迹和准确定位目标，为下一步的目标行为分析与 理解提供了可靠的数据来源，而且也可以为运动目标检测 提供帮助，从而形成一个良性的循环。 今天介绍一种常用的Kim目标分割方法和 一种改进的算法，实现运动目标的跟踪。