运动目标检测

帧间背景校正

特征点提取 采用经典的Harris算子提取参考帧的特征点， 计算图像亮度I(x,y)在点(x,y)处的梯度： X I (1, 0,1)
T Y I (1, 0,1)
构造自相关矩阵
A X 2 w, B Y 2 w, C ( XY ) w
1 exp{ ( X t i ,t )T i,1 t ( X t i ,t )} 2 1 2
1 (2 )
n 2

i ,t
K是高斯分布的个数，一般去3至5个， wi ,t 是第i个高斯分布的权重， i ,t 是时刻t第i个高 i ,t 是其相应的协方差 斯分布的均值向量， 矩阵， 是高斯分布的概率密度函数 。为 了减少计算量，通常假定(R,G,B)三个颜色通 道是相互独立的，并且具有相同的方差，这样， 协方差矩阵就有下面的形式： 2 i ,t i ,t I
表示卷积算子,
滑函数
w exp(( x y ) / 2 )
2 2 2
是高斯平
得到一个二阶实对称矩阵M=[A,C;C,B],必然存在两个特征值 和 ， 1 2 代表自相关的主曲率。 提取特征点 1和2是极大值时，则点(x,y)是一个特征点。 如果特征值 即满足： R det(M ) k trace2 (M ) T ，其

假设图像中某像素点，在1~t时刻的状态为 X1, X 2 ,..., Xt ，权重wi ,t 反应了像素点从1~t时间 X1, X 2 ,..., Xt 段内满足第i个高斯分布的后验概率， 中属于第i个高斯分布的观测样本越多，权重 wi ,t 就越大，方差 i ,t越小。

根据场景中任意点处大部分时间都呈现背景，而运动目标只是短 暂出现的基本认识，对背景进行建模：把
全局运动参数计算 假定参考帧中点 x,

T
T
其中m2和m5表示两图的平移量，m0，m1，m3，m4表示尺度和旋转量， 即为图像仿射变换模型。 将特征点代入，求最小二乘解，求解的目标是使得各特征点的位置误差 达到最小。

帧间图像补偿 全局运动参数矩阵M代表的是背景的运动，即 摄像系统的旋转、水平和垂直偏移运动。对当 前帧的像素坐标利用M矩阵进行变换，得到新 的坐标，并将原图中像素赋给该新坐标，即可 获取补偿后的结果图像，实现对帧间背景运动 的校正。

由于场景的动态变化，如天气、光照、阴影及 杂乱背景干扰等的影响，使得运动目标的检测 与分割变得相当困难。运动检测分为静态背景 和动态背景两类。

常用的方法有帧差法、光流法、背景减除法等。
运动目标检测的预处理
帧间背景校正——首先对相邻帧进行全局运动 估计，补偿当前帧以实现背景校正 背景建模——混合高斯模型建模
混合高斯模型建模
假设图像中的每一点的像素观测值和其他像素 点的观测值相互独立，在某时刻t，设像素点 的观测值为 X t ，则时刻t观测值为X t 的概率可 以用具有K个高斯分布的混合高斯模型建模：
P( X t )
( X t , i ,t , i ,t )
w
i 1
K
i ,t
( X t , i ,t , i ,t )

帧间差分法 帧间差分法是在连续的图像序列中两个或三个相 邻帧间采用基于像素的时间差分并且阈值化来提取出 图像中的运动区域。使用基于时间序列图像上的差分 图像检测运动目标，能够较好的适应环境变化大的情 况，但对于图像序列中运动缓慢的目标其检测效果不 好，难以有效的检测出图像序列中与运动目标相对应 但变化相对较小的像素点，运动实体内部容易产生空 洞现象。

SAD(i, j ) I1 (m, n) I 2 (m i p, n j p) (i, j p,..... p)
m 1 n 1
M
N
step4：找出最小的SAD值，则其对应位置为 匹配特征窗，其中心点即为匹配特征点

ˆ, y ˆ y 运动到当前帧的位置 x ˆ m0 m1 x m2 x 则对应的坐标关系为： y ˆ m3m4 y m5
Bt arg min ( wi ,t T )
b i 1
运动目标检测的方法

背景相减法 背景相减法是目前运动检测中最常用的一种方法， 基本思想是将输入的图像与背景图像或背景模型进行 比较，通过判定灰度特征的变化，或用直方图等统计 信息的变化来分割运动目标。它一般能够提供最完全 的特征数据，但对于动态场景的变化，如光照和外来 无关事件的干扰等特别敏感。传统的背景相减法包括 背景模型的建立，目标决策和背景模型更新三个步骤。
中， det M
traceM 1 ，这里 T是 1 2， 2
一个固定的阈值，参数k=0.04~0.06。。减号后面的部分是修正， 目的是抑制边缘点的误检。

特征点匹配 在当前帧找到参考帧中每一个特征点的唯一匹配点。 step1：以特征点pk 为中心，将其领域构造一个尺寸为M N的 模板图像I 1作为特征窗 step2：在当前图像中对应位置处，确定(M+2p) (N+2p)的搜索 区域 I 2 ,其中p表示设定的水平和垂直方向最大偏移量 step3：从搜索区域的中心开始搜索，搜索路径采用菱形法，计 算每点的绝对误差和SAD(Sum of Absolute Difference）值，其 计算公式

运动目标检测的简介 运动目标检测的预处理
帧间背景校正 混合高斯模型建模
ห้องสมุดไป่ตู้

运动目标检测的方法 卡尔曼滤波 粒子滤波
运动目标检测的简介


运动目标检测是指在序列图像中检测出变化区 域并将运动目标从背景图像中提取出来。 通常情况下，目标分类、跟踪和行为理解等后 处理过程仅仅考虑图像中对应于运动目标的像 素区域，因此运动目标的正确检测与分割对于 后期处理非常重要。
K个高斯分布按照
wi ,t
i ,t
值从大 到小排序，
wi ,t
i ,t
大者表示有较小的方差与较大的出现概率，说明这些点在1~t时 间段内出现的概率较大，因此这些分布可以作为背景的描述。 从首部选取前 Bt 个高斯分布作为该点处的背景模型，时变参数 Bt b 由权重wi ,t 和阈值 T (0,1) 决定：