運(yùn)動(dòng)目標(biāo)檢測與識別算法的研究.pdf

1、運(yùn)動(dòng)目標(biāo)檢測與識別算法的研究是當(dāng)今圖像處理與圖像理解領(lǐng)域的一個(gè)熱門方向，隨著其應(yīng)用領(lǐng)域得不斷擴(kuò)大，其實(shí)用價(jià)值越來越得到人們的重視。運(yùn)動(dòng)目標(biāo)檢測與識別算法研究的對象是序列圖像，或者稱為視頻圖像。對得到的圖像序列進(jìn)行處理，檢測是否存在感興趣的目標(biāo)，并且從序列圖像中提取出運(yùn)動(dòng)目標(biāo)。目標(biāo)的識別工作就是對檢測出來的目標(biāo)進(jìn)行識別，得到目標(biāo)屬性以及由此識別出目標(biāo)的物體種類信息。 本文在總結(jié)當(dāng)前主流的目標(biāo)檢測與識別算法的基礎(chǔ)上，建立了目標(biāo)檢測與

2、識別的整體系統(tǒng)，并且創(chuàng)新性的進(jìn)行了目標(biāo)檢測與識別算法的研究和一些新方法，主要進(jìn)行的工作和創(chuàng)新有： 1.針對當(dāng)前運(yùn)動(dòng)估計(jì)并沒有充分利用幀間運(yùn)動(dòng)信息的相關(guān)性，改進(jìn)了一種基于幀間估計(jì)的自適應(yīng)6點(diǎn)距離塊運(yùn)動(dòng)估計(jì)。該方法充分考慮了幀間運(yùn)動(dòng)信息相關(guān)性，且使用菱形搜索算法來增大搜索策略的準(zhǔn)則性。由于該算法利用的是前一幀的運(yùn)動(dòng)信息，所以該算法可以通過并行算法來實(shí)現(xiàn)，以便提高算法效率。實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法可以減少運(yùn)動(dòng)估計(jì)的時(shí)間。 2.如何

3、去除攝像機(jī)運(yùn)動(dòng)造成的整幀圖像的變化是運(yùn)動(dòng)目標(biāo)檢測中的一個(gè)關(guān)鍵技術(shù)和難點(diǎn)問題。在整體研究了當(dāng)前的全局運(yùn)動(dòng)估計(jì)之后，采用攝像機(jī)6參數(shù)模型進(jìn)行全局運(yùn)動(dòng)估計(jì)。通過使用圖像的局部塊來進(jìn)行二維圖像運(yùn)動(dòng)估計(jì)，進(jìn)而提高了整體運(yùn)算速度。對得到的局部塊運(yùn)動(dòng)估計(jì)結(jié)果，采用循環(huán)迭代擬合的方式，去除不屬于背景區(qū)域的塊估計(jì)結(jié)果，最后得到合理的攝像機(jī)模型的6參數(shù)，進(jìn)而對每個(gè)象素采用雙線性插值進(jìn)行計(jì)算其運(yùn)動(dòng)補(bǔ)償結(jié)果。測試結(jié)果表明該方法可以處理攝像機(jī)運(yùn)動(dòng)造成的整幀圖像的

4、位移和旋轉(zhuǎn)問題。 3.在研究了序列圖像噪聲模型之后，改進(jìn)了一種基于高斯模型的的種子幀差區(qū)域增長法來生成幀差圖像，從而在最大抑制噪聲的同時(shí)能夠得到更多的變化區(qū)域。該方法通過統(tǒng)計(jì)幀差圖像的高斯特征，然后作為種子區(qū)域增長的條件進(jìn)行變化區(qū)域的生長。通過實(shí)驗(yàn)結(jié)果可知，相對于其它算法，該方法可以得到更完整的變化區(qū)域。 4.通過對時(shí)域信息與空域信息的分析，提出一種新的基于時(shí)空信息融和的改善幀差目標(biāo)提取方法。該方法在對變化區(qū)域使用相位相

5、關(guān)法求取出運(yùn)動(dòng)目標(biāo)的時(shí)域信息基礎(chǔ)上，依照圖像匹配度形成運(yùn)動(dòng)目標(biāo)的時(shí)域結(jié)果。然后使用snake算法根據(jù)空域的圖像信息提出最終運(yùn)動(dòng)目標(biāo)的外邊界。實(shí)驗(yàn)表面該方法使最后提取的運(yùn)動(dòng)目標(biāo)更加準(zhǔn)確，目標(biāo)信息更加完備。 5.通過對常規(guī)圖像特征的研究，改進(jìn)了傅立葉描述子方法。改進(jìn)了一種空域歸一傅立葉描述子方法。使用該方法得到圖像特征具有旋轉(zhuǎn)、位移、縮放和起始點(diǎn)不變性。試驗(yàn)證明其特征可以很好的區(qū)分邊界圖像，該算法同時(shí)也可用于各種基于邊界識別的領(lǐng)域。