基于攝像機運動的目標(biāo)檢測方法研究.pdf

1、動態(tài)場景的運動目標(biāo)檢測算法的研究是當(dāng)今圖像處理與圖像理解領(lǐng)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(dāng)前圖像界以及人工智能領(lǐng)域?qū)＜业臉O大重視。本文在角點檢測及跟蹤基礎(chǔ)上，通過角點的魯棒估計以提取出只屬于運動目標(biāo)的角點。并結(jié)合目標(biāo)點集的坐標(biāo)信息在初始分割圖像中提取出目標(biāo)區(qū)域，最終實現(xiàn)動態(tài)場景下的運動目標(biāo)檢測。本文主要工作內(nèi)容如下:
　　本文研究了結(jié)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(jié)果顯示這兩種方法有很好的穩(wěn)定性、較高的準(zhǔn)確率和較高的崩潰率，能夠?qū)z測到的運動目標(biāo)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(biāo)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(shè)定一個適當(dāng)?shù)淖钚∏拾霃介撝祵⒈尘败壽E曲線和前景軌跡曲線進(jìn)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(biāo)的提

3、取。實驗結(jié)果顯示該方法在背景運動與目標(biāo)運動之間的相對運動量較大時，可以有效的將運動目標(biāo)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(fù)雜度低，穩(wěn)定性高等優(yōu)點。
　　本文為提取出只包含目標(biāo)的區(qū)域以實現(xiàn)運動目標(biāo)的檢測，提出一種結(jié)合目標(biāo)點集的坐標(biāo)信息進(jìn)行目標(biāo)檢測的方法。該方法首先對圖像進(jìn)行等周分割，然后利用目標(biāo)點集的坐標(biāo)信息從分割圖像中提取出目標(biāo)區(qū)域，并對提取出的目標(biāo)區(qū)域進(jìn)行邊界連接和腐蝕膨脹等操作，充實目標(biāo)區(qū)域，以便得到更為完整