人形目标检测与跟踪.doc

《人形目标检测与跟踪.doc》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、——人形目标检测与跟踪一、本组研究方案，算法系统框图二、检测算法、原理、程序实现方法、调试过程【视频处理】老师提供的两端视频两段视频并不能直接用来输入OpenCV所编程序处理，需要将其转化为无压缩的avi格式。利用软件WinAVIVideoConverter，转换为ZJMediauncompressedRGB24格式。【背景建模】我们小组利用N帧图像的平均来求取背景，并实时对背景进行更新。由于考虑到ExhibitionHall.avi视频中运动物体所占场景比例少，运动轨迹为直线，为了处理的简单，所

2、以在这不刻意区分物体和背景像素点。即，这里的很小（0.003）。【前景提取】灰度图像的处理比彩色图像的处理过程简单。我们小组将读入的彩色图像变成灰度图像，并二值化；同样，背景也进行二值化。两者做差值，得到一些离散的黑白点块。也就是要识别的目标。但是，这样得到的块是分散开的，程序并不能完整的把它们识别成一个人形，而是一个本来很完整的人形被分块识别成多个目标。为此，我们做了一些简单的后处理。先腐蚀元素，去除不必要的杂点，然后进行膨胀块处理，自定义块的大小，使其膨胀成能被识别成一个人形的目标。另外，我们

3、还做个简单的高斯低通滤波，是得到的结果光滑些。其流程图如右。【目标检测】根据前景处理的结果，得到一些连续的块目标。利用帧间差，可以提取出目标的轮廓。根据轮廓的位置分布，计算出检测目标的形心和大小。并予以标记。目标跟踪……目标(Id,Pos,Size)目标(Id,Pos,Size)目标1目标(Pos,Size)目标(Pos,Size)目标N目标(Pos,Size)目标(Pos,Size)【目标跟踪】根据目标帧间的位移差值，可以计算出运动目标在x，y方向上的运动速度。可以利用这个关系判断下一帧目标的位

4、置。设置一个合适的阈值，就可以实现目标的跟踪。在此，我们还引入了重叠判断机制。如果目标重叠，即通过遍历，发现块重叠大于一定阈值后，根据前面得到的位置预测判断当前物块位置；如果不重叠，则遍历这幅图像中的所有物块，寻找临近最优物块，以保持编号连续性。在目标跟踪过程中，还进行了Kalman滤波，对目标轨迹进行滤波处理。一、实验结果，图示【背景建模】【前景提取】直接与背景做差值得到的图像加入腐蚀膨胀后得到的图像【目标检测】【目标跟踪】【目标重叠处理】一、总结、存在问题分析这段程序能基本检测出在场景中的运动

5、目标，并且对目标没有长时间停留和背景中的场景固定的视频检测效果好。我们小组在刚开始做的时候并没有注意到是“人形目标检测与跟踪”，而是直接作为“运动目标的识别和跟踪”进行处理。由于建的模型很简单，只要是与背景相比有变化的部分都能被检测出来。如果要做人形目标识别，就需要对人形目标进行建模，规定一定的长宽比，设定一个阈值，在这范围内的目标就能被识别出来。这样，在镜中的成像，光照的影响都可以被滤掉。另外，这段程序在某些与背景相似的目标检测上效果较差，容易把它识别成两个目标。这是因为背景建模采用了“背景更新

6、”法和前景提取用了“二值化处理”。虽然采用了“背景更新”，但是给定的很小，只有0.003，相当于我们认为背景一直是固定的。“二值化处理”使得在识别上忽视了很多像素点。这样和背景颜色相似点就很容易被判为背景，这样就会造成一个人形目标会被识别成几个目标。采用“帧差法”能较好的避免这个问题，得到的人形轮廓与背景的像素没关系。物体长时间停留，会产生目标丢失。当该物体再次移动时，会产生虚假目标。这也与背景建模有关系。这也许是采用了“背景法”建模的同学心中的永远的痛。因为roomWalk.mpg里就有人形物体

7、长时间停留。经过小组内讨论，采用“背景法”和“帧间差”结合的方法能较好的避免这个问题。如果物体长时间停留，采用“背景法”和“帧间差”得到的结果肯定会不一样。在这要进行一点简单处理，就是把“帧间差”图像做镜像，然后用与“背景法”中区域像素填充“帧间差”图像中人形区域。两者做差值，根据得到的差值就会把整幅图像分成两个区域，一个是物体长时间停留得到的“虚假目标区域”，一个是“正常目标区域”。借用图像分割技术中的“基于区域的分割”中的‘拆分和聚合’思想，在背景更新中将“虚假目标区域”进行‘忽略’，这样得到

8、的结果就只有运动目标了。