運(yùn)動目標(biāo)檢測與跟蹤在魚眼圖像中的應(yīng)用.pdf

1、目前比較常用的運(yùn)動目標(biāo)檢測的方法有：配準(zhǔn)法、光流法、幀間差分法、背景差分法和高斯模型法。本文采取的是背景差分與高斯模型相結(jié)合的運(yùn)動目標(biāo)檢測方法。通過幀間差分提取背景，用原始圖像與背景相減獲取運(yùn)動目標(biāo)，使用高斯模型對提取的背景實(shí)時(shí)更新，以保證背景圖像的相對穩(wěn)定。在原始圖像與背景相減的過程中，本文提出了動態(tài)閾值的算法，改變了以往通過實(shí)驗(yàn)人為設(shè)定閾值的做法，提高了算法的實(shí)時(shí)性。對運(yùn)動目標(biāo)的檢測與跟蹤是密不可分的，本文采取的方法是根據(jù)運(yùn)動目標(biāo)的

2、面積和質(zhì)心等物理特性進(jìn)行跟蹤。
　　 隨著監(jiān)測范圍的不斷擴(kuò)大，一般圖像已經(jīng)不能滿足人們的需求，魚眼鏡頭被越來越多地使用。但魚眼圖像畸變嚴(yán)重，因此就有必要將其校正為人們所習(xí)慣的圖像。本文使用的是比例校正方法，該方法不需要成像系統(tǒng)的參數(shù)以及數(shù)學(xué)投影模型，試驗(yàn)結(jié)果表明該算法基本消除了拱形失真。在實(shí)際檢測過程中，人們可能并不是特別在意整個全景圖像的校正，可能只是對某個區(qū)域感興趣，這時(shí)就需要對感興趣區(qū)域進(jìn)行視窗校正。本文把光學(xué)中心轉(zhuǎn)換與魚