视频中运动目标的检测标记.docVIP

视频中运动目标的检测标记 摘要：关键词：交通信息；视频检测；目标识别；目标跟踪Abstract: Traditional TV monitoring technology can only put remote target image (original data) transmission to the monitoring center, give their judgment by monitoring person according to the site condition. The aim of intelligent video surveillance is to put a video raw data into available for monitoring personnel decisions of “useful information”; Video motion detection field research status and video exercise targets detection image segmentation method are compared by this paper, and the video of the vehicles for traffic target examples are studied and realized. Keywords: traffic information, Video detection. Target recognition, Target tracking 1前言 传统电视监控技术只能达到“千里眼”的作用，把远程的目标图像（原始数据）传送到监控中心，由监控人员根据目视到的视频图像对现场情况做出判断。智能化视 频监控的目的是将视频原始数据转化为足够量的可供监控人员决策的“有用信息”，让监控人员及时全面地了解所发生的事件。将“原始数据”转化为“有用信息”的技术中，目标检测与跟踪技术的目的是要解决“什么地方”和“什么时间”的问题。?目标识别主要解决“什么人”或“什么东西”的问题。行为模式分析主要解决“在做什么”的问题。  背景减除（Background?Subtraction）方法是目前运动检测中最常用的 一种方法，它是利用当前图像与背景图像的差分来检测出运动目标的一种技术。它一般能够提供相对来说比较全面的运动目标的特征数据，但对于动态场景的变化， 如光线照射情况和外来无关事件的干扰等也特别敏感。 实际上，背景的建模是背景减除方法的技术关键。最简单的背景模型是时间平均图像，即 利用同一场景在一个时段的平均图像作为该场景的背景模型。由于该模型是固定的，一旦建立之后，对于该场景图像所发生的任何变化都比较敏感，比如阳光照射方 向，影子，树叶随风摇动等。大部分的研究人员目前都致力于开发更加实用的背景模型，以期减少动态场景变化对于运动目标检测效果的影响。  时间差分（Temporal?Difference?又称相邻帧差）方法充分利用了视频图像的特征，从连续得到的视频流中提取所需要的动态目标信息。在一般 情况下采集的视频图像，若仔细对比相邻两帧，可以发现其中大部分的背景像素均保持不变。只有在有前景移动目标的部分相邻帧的像素差异比较大。时间差分方法 就是利用相邻帧图像的相减来提取出前景移动目标的信息的。让我们来考虑安装固定摄像头所获取的视频。我们介绍利用连续的图像序列中两个 或三个相邻帧之间的时间差分，并且用阈值来提取出视频图像中的运动目标的方法。我们采用三帧差分的方法，即当某一个像素在连续三帧视频图像上均有相当程度 的变化(及大于设定的阈值时)，我们便确定该像素属于运动目标。时间差分运动检测方法对于动态环境具有较强的自适应性，但一般不能完全提取出所有相关的特 征像素点，在运动实体内部容易产生空洞现象，只能够检测到目标的边缘。?而且，当运动目标停止运动时，一般时间差分方法便失效。 基于光流方法（Optical?Flow）的运动检测采用了运动目标随时间变化的光流特性，如Meyer?等作者通过计算位移向量光流场来初始化基于轮廓的 跟踪算法，从而有效地提取和跟踪运动目标。该方法的优点是在所摄场所运动存在的前提下也能检测出独立的运动目标。然而，大多数的光流计算方法相当复杂，且 抗噪性能差，如果没有特别的硬件装置则不能被应用于全帧视频流的实时处理。 当然，在运动检测中还有一些其它的方法，如运动向量检测法，它适合于多维变化的环境，能消除背景中的振动像素，使某一方向的运动对象更加突出的显示出来。但是，运动向量检测法也不能精确地分割出对象。 以上介绍的主要是单路视频图像的目标跟踪问题。 在实际监控系统