1運(yùn)動(dòng)目標(biāo)檢測(cè)方法

　　運(yùn)動(dòng)目標(biāo)檢測(cè)算法可以分為靜態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)和動(dòng)態(tài)背景下運(yùn)動(dòng)目

　　標(biāo)檢測(cè)。靜態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)是指攝像機(jī)在整個(gè)監(jiān)視過(guò)程是靜止的：動(dòng)態(tài)

　　背景下運(yùn)動(dòng)目標(biāo)是指在監(jiān)視過(guò)程中攝像機(jī)發(fā)生了移動(dòng)，如平動(dòng)、旋轉(zhuǎn)或多自由

　　度運(yùn)動(dòng)。

　　靜態(tài)背景下常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法有：

　?。?）瞬時(shí)差分法【10】【l】J：瞬時(shí)差分法是在連續(xù)的圖像序列中兩個(gè)或三個(gè)相鄰

　　幀間，采用基于像素的幀間差分并閾值化來(lái)提取出圖像中的運(yùn)動(dòng)區(qū)域。

　?。?）背景減除法【12】：背景減除方法是目前目標(biāo)檢測(cè)中最常用的方法之一，

　　它利用當(dāng)前圖像與背景圖像的差分來(lái)檢測(cè)運(yùn)動(dòng)區(qū)域。該方法一般能夠提供完整

　　的特征數(shù)據(jù)，但對(duì)于動(dòng)態(tài)場(chǎng)景的變化，如光照和外來(lái)無(wú)關(guān)事件的干擾特別敏感。

　?。?）光流法【13‘15】：光流法根據(jù)連續(xù)的幾幀圖像計(jì)算各像素運(yùn)動(dòng)的大小和方

　　向，利用運(yùn)動(dòng)場(chǎng)區(qū)分背景和運(yùn)動(dòng)對(duì)象。光流法的主要優(yōu)點(diǎn)在于能夠檢測(cè)出獨(dú)立

　　的運(yùn)動(dòng)對(duì)象，而不需預(yù)知場(chǎng)景的任何信息；缺點(diǎn)是大多數(shù)光流方法的計(jì)算比較

　　復(fù)雜，且抗噪性能差，如果沒(méi)有特定的硬件支持，一般很難用于序列圖像中運(yùn)

　　動(dòng)目標(biāo)的實(shí)時(shí)性操作。

　　運(yùn)動(dòng)目標(biāo)檢測(cè)還有一些其它的方法，如Friendman與Russel利用擴(kuò)展的EM

　　算法為每個(gè)像素建立了混合高斯分布模型，該模型可以自動(dòng)更新，并能自適應(yīng)

　　地將每個(gè)像素分類(lèi)為背景、影子或運(yùn)動(dòng)前景，在目標(biāo)運(yùn)動(dòng)速度緩慢的情況下亦

　　能較好地完成運(yùn)動(dòng)區(qū)域的分割，并可以有效地消除影子的影響。動(dòng)態(tài)背景下的

　　運(yùn)動(dòng)目標(biāo)檢測(cè)由于目標(biāo)與攝像機(jī)之間存在著復(fù)雜的相對(duì)運(yùn)動(dòng)，所以檢測(cè)算法要

　　比靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)算法復(fù)雜的多。常用的動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)

　　算法有塊匹配法、光流估計(jì)法、圖像匹配法以及全局運(yùn)動(dòng)估計(jì)法等。

　　l。2。2運(yùn)動(dòng)目標(biāo)跟蹤方法

　　運(yùn)動(dòng)目標(biāo)跟蹤是確定同一物體在圖像序列不同幀中位置的過(guò)程，當(dāng)運(yùn)動(dòng)物

　　體被正確檢測(cè)出來(lái)時(shí)，跟蹤等價(jià)于在連續(xù)的圖像幀間創(chuàng)建基于位置、速度、形

　　狀、紋理、色彩等有關(guān)特征的對(duì)應(yīng)匹配問(wèn)題。目標(biāo)跟蹤的主要工作就是選擇好

　　山東大學(xué)碩士學(xué)位論文

　　的目標(biāo)特征和采用適當(dāng)?shù)乃阉鞣椒?。根?jù)匹配原理，把現(xiàn)有的跟蹤方法分為基

　　于模型、區(qū)域、特征以及活動(dòng)輪廓的跟蹤。

　?。?）基于模型的跟蹤

　　基于模型的跟蹤是通過(guò)一定的先驗(yàn)知識(shí)對(duì)所跟蹤目標(biāo)建立模型，然后通過(guò)

　　匹配跟蹤目標(biāo)，并實(shí)時(shí)更新模型。

　?。?）基于特征的跟蹤

　　基于特征的跟蹤是指根據(jù)目標(biāo)特征利用某種匹配算法在圖像序列中尋找目

　　標(biāo)，進(jìn)而跟蹤運(yùn)動(dòng)目標(biāo)。該算法通常包括特征提取、特征匹配以及計(jì)算運(yùn)動(dòng)信

　　息三個(gè)過(guò)程。

　?。?）基于區(qū)域的跟蹤

　　基于區(qū)域的跟蹤算法基本思想是：把預(yù)先提取的運(yùn)動(dòng)區(qū)域作為匹配的目標(biāo)

　　模板，設(shè)定一個(gè)匹配度量，然后在下一幀圖像中匹配搜索目標(biāo)圖像，把度量取

　　極值時(shí)的位置判定為最佳匹配點(diǎn)。

　?。?）基于活動(dòng)輪廓的跟蹤

　　基于活動(dòng)輪廓的跟蹤方法是利用一條封閉的參數(shù)化曲線(xiàn)來(lái)表達(dá)運(yùn)動(dòng)目標(biāo)輪

　　廓，在由圖像構(gòu)造的特征場(chǎng)中通過(guò)極小化以曲線(xiàn)函數(shù)為參數(shù)的能量來(lái)進(jìn)行動(dòng)態(tài)

　　迭代，使得該輪廓能夠自動(dòng)連續(xù)更新。

　　1．2．3機(jī)器人視覺(jué)導(dǎo)航研究現(xiàn)狀

　　近年來(lái)，機(jī)器視覺(jué)理論與技術(shù)有了迅速發(fā)展，視頻設(shè)備及計(jì)算機(jī)硬件運(yùn)行

　　速度也得到了很大提高，很大程度上加快了視覺(jué)導(dǎo)航的研究進(jìn)程。

　　Martin Marietta公司開(kāi)發(fā)的Alvin在1986年進(jìn)行首次道路跟蹤演示，完

　　成了避障任務(wù)。Camegie．Mellon大學(xué)開(kāi)發(fā)的Navalab最有特色，它的視覺(jué)系統(tǒng)

　　研究較為深入，其中的SCARF（Supervised Classification Applied to Road Finding）

　　視覺(jué)系統(tǒng)采用了彩色模型分類(lèi)和基于模型的Hough變換投票表決的方法，結(jié)合

　　一個(gè)掃描景物的距離圖像數(shù)據(jù)，可以獲得可靠的導(dǎo)航性能。Trahaniastl61利用視

　　覺(jué)探測(cè)陸標(biāo)來(lái)完成機(jī)器人導(dǎo)航，其中陸標(biāo)不是事先定義的人工陸標(biāo)，而是在學(xué)

　　習(xí)階段自動(dòng)抽取的自然陸標(biāo)。Torii【171通過(guò)處理視覺(jué)信息選擇機(jī)器人行走基準(zhǔn)

　　線(xiàn)。類(lèi)似的研究在美國(guó)軍方也有明顯的應(yīng)用。Active Media公司生產(chǎn)出的