一种改进的基于光流的运动目标的检测算法

《一种改进的基于光流的运动目标的检测算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、文章编号：!"#!$%%"（&’&&(）&($&()!$&(文献标识码：*一种改进的基于光流的运动目标的检测算法!王晓卫!宁固!（!装甲兵工程学院信息工程系，北京市丰台区杜家坎’!号，!&&&#’）摘要：讨论了序列图像的运动目标检测算法，在传统的光流场计算方法的基础上，提出了基于帧间差阈值法的快速光流算法。整个算法简单、有效，保证了序列图像中运动目标跟踪的实时性和鲁棒性。试验结果验证了本方法的有效性和实用性。关键词：运动目标检测；序列图像；光流场；目标跟踪；运动约束方程；差值图像中图法分类号：+,#)!运动对象检测

2、是数字图像处理技术的一个重要检测出运动对象，但是大多数光流法的计算耗时，实组成部分，它是计算机视觉、模式识别、目标识别与时性和实用性都较差。跟踪、运动图像编码、安全监控等研究领域的重点和本文对运动目标的检测综合利用了光流法和差难点，在军事、国防和工业等领域有着广泛的应用前图像法，即基于这两种方法的一种快速光流场的计景。序列图像的运动分析因其巨大的应用价值而受算方法。它先利用帧间差阈值法获得差值图像，然到广泛的重视。它的基本任务是从图像序列中检测后再计算差值图像中不为零处的光流。它通过连续出运动信息，简化图像处理过程

3、，得到所需的运动矢两幅图像作差来检测运动目标。在实际情况中，由量，从而能够识别与跟踪物体。众多学者及科研人于光流场的不连续性及违反守恒假设条件处的光流员对序列图像的检测进行了大量的研究。现有的序场分布是不可靠的，若针对差值图像中不为零处的列图像的运动目标检测可以归纳为运动能量法、背像素来计算其光流，其光流场的分布比计算整个运景减法、光流法和差图像法等四种。运动能量检测动物体的光流场要可靠得多，这是因为它们往往对法适合于复杂变化的环境，能消除背景中振动的像应于梯度较大的点，而这些点处的光流场基本方程素，使按某一个方向

4、运动的对象能更加突出地显现近似成立。采用了这种措施后，可以使得计算出的出来，但运动能量检测法不能精确地分割出对象；背光流场分布更为可靠和精确，同时减少了计算量（因景减法实现简单，并且能够完整地分割出运动对象，为只是计算了局部光流）。为了识别运动目标并实对背景已知的应用，背景减法是一种有效的运动对现对其跟踪，人们通常采用光流场的方法，从实时采象检测算法，但在背景变化或复杂的情况下，这种方集的含有运动目标的图像序列中抽取光流场，筛选法很不完善；差图像法利用了时空图像的灰度和梯出光流较大的运动目标区域并计算出运动目标的速

5、度信息，通过逐像素点灰度值的比较，直接求取前后度矢量，从而实现了运动目标的跟踪。两帧图像之间的差，进而提取运动信息。假设照明条件在多帧图像间基本不变化，那么差图像的不为!差图像法零处表明该处的像素发生了移动，即可以将图像中目标的位置和形状的变化表现出来，但它不能够完差图像法通过连续两幅图像作差来检测运动目整地分割出运动对象，不利于进一步的对象分析与标。假设照明条件基本不变，如果在图像采集装置识别；光流法的优点在于光流不仅携带了运动目标和被摄场景间在相对运动的情况下采集一系列图的运动信息，而且还携带了有关景物三维结构

6、的丰像，则其中存在的运动信息将可以帮助对图像的分富信息，它能够在不知道场景的任何信息的情况下，割。!收稿日期：’&&($&($’&。项目来源：教育部高等院校青年骨干教师基金资助项目（’&&!-.!’）。DC$设在时刻!"和!#采集到两幅图像（$%，&，!"）和$这时判断一个像素点是否属于运动物体的原则如（%，&，!#），据此可得到差图像：下：!，（$%，&，!"）(（$%，&，!#）)*!，（$%，&，!）(（$%，&，!(!）)*且!（$%，&）’{，其他"!（$%，&）’{（$%，&，!+!）(（$%，&，!）

7、)*式中，*为阈值。差图像中为"的像素对应在前后"，其他两时刻间没有发生（由于运动而产生的）变化的地*的取值由经验来定，且它们对结果的影响至方；差图像中为!的像素对应两图像间发生变化的关重要。经过比较测试，选取阈值*为#，在对公路地方，这常常是由于目标运动而产生的。上采集到的图像序列（图!）进行试验时，就能得到当然，也可以采用连续三帧图像提取运动目标，很好的差值图像（图$）。图!序列图像分析图$差值图（"8$"）%&’(!)*+,-.&./012342*5267+’2%&’($9&002:2*5267+’2利用相减

8、算法，其运算速度快，可用硬件实现。并称（-，.）为光流场，则有：对于多目标的运动检测，仍可采用此方法作为初始!,!,!,·-+·.+’"的目标检测和分割，但必须采用更加精确的图像分!%!&!!但在实际应用情况中，光流场的基本方程的灰度不割方法（如基于运动补偿的方法等）将多目标区分开来。变假设条件往往不能满足，如遮挡性、多光源和透明性等原因。只有当灰度的梯度很