论文部分内容阅读
摘要：运动目标检测与跟踪是计算机技术在视觉领域重点研究方向，在视频监控记录，人机交互合作，虚拟现实推演和图像压缩处理等方面广泛应用。在各种复杂多变环境和不同条件下准确跟踪目标是当前研究的热点。运动目标检测的方法主要有光流法，帧间差分法等等，移动目标跟踪计算的方法包括相对平均值算后的漂移算法，卡尔曼滤波算法和根据不同特征性进行的相关算法。随着经济的展，人们的安全防范意识也越来越强，智能化视频监控有着广泛的应用市场。因此，对作为视频监控系统关键组成部分的运动目标检测与跟踪技术的研究有着重要的理论意义与应用价值。
关键词：运动目标检测;运动目标跟踪;视频监控
中图分类号：TN219
文献标识码：A
文章编号：1672 -1578（2019）08 - 0274 - 01
1.引言
视觉是人类感知环境的重要手段，大量有意义的信息都包含在运动中。人的双眼对运动目标更为敏感。计算机视觉是利用计算机实现视觉信息处理的一门学科，视频图像相对于静态图像的优点是时间的不间断性和运动目标信息的获取。融合了多种技术，能够达到视频成像播放以及追踪研究的目的。
运动目标检测与跟踪过程可以分为两个方面：目标检测与目标跟踪。第一部分：运动物体检测，被监视场景中的移动物体要做到全时检测并收集相关信息。第二部分：移动过程的追踪，分析移动目标的状况，根据目标的特点决定使用的相应的算法，移动目标跟踪可以提供目标的运动轨迹并准确定位目标位置，最重要的是可以分析预测目标接下来的可能行为并能提供具体的数据信息。
2.运动目标检测技术研究
运动目标检测过程分为三个层次，面向像素级的检测，面向变化区域级的检测和面向帧级的检测。面向像素级的检测是指对包含运动目标的视频序列图像进行差分，二值化，逐点检测判断背景与运动目标;面向变化区域级的检测是指对像素检测后得到的二值图像中的目标区域采用形态学滤波和连通性检测的方法提高检测的准确度;面向帧级的检测是指对整帧图像进行去噪处理，使其适应环境光线变化。运动目标检测算法的实质就是当场景中有新目标进入或者场景中有目标移动时，通过检测算法能够得知有运动目标出现，再利用目标分割方法把进入场景中的运动目标（前景）从背景图像中分离出来的方法。按照检测算法的原理主要可以分为三类：背景差分法、光流法、帧间差分法。
背景差分法分为两种类型，既定背景和计划背景。既定背景是指在开始检测之前移动目标的活动场景。在检测过程当中，通过比较当前时帧与背景之间的差异获得移动目标的样板，借助于形态学的开闭运算等方法进行滤波去噪和轮廓平滑。。
在计划背景的背景差异实现中，没有提前预定目标的移动场景。通过叠加几个连续帧的灰度图像，然后执行中值滤波来确立目标移动场景。然后，区分当前的关键帧与既定背景图像，并且通过诸如形态学的方法通过滤波，去噪等技术来使得移动目标的大致轮廓得以收集。
由于背景差分算法的建立背景仅仅是真实可靠背景的近似值，因此在移动物体较小以及背景中存在剧烈运动的物体时检测到的结果有一定的差异。
帧间差分方法进行目标检测计算简便。因为相邻帧的间隔时间较短，所以这种方法通常对场景光线的变化不太敏感。帧间差分法最重要的是实时检测运动场景中的相异变化而后抽离提取相应目标。
光流法完整地利用了图像本身的信息。光流是指空間中物体被观测面上的像素点运动产生的瞬时速度场，包含了物体表面结构和动态行为等重要信息。建立在光流法的移动物体检验是采用变化目标随着时间的改变而改变的光流特性的基础之上，因为光流不只是包含所要检测的目标物体的移动信息，而且还包含连接物体运动的大量信息和运动场景的三维结构变化，所以不但移动中的目标检测适合这种方法，并且也多运用于跟踪移动目标，特别是相对于移动变化中的摄像机来说，它可以用来单独地检测运动中的目标。
3.运动目标跟踪技术研究
当跟踪目标时，目标自身和目标所在的环境将对目标跟踪算法的基本计算产生或多或少的变化，根据不同的情况有不同的跟踪算法。
基于均值漂移目标跟踪算法的基本思想是：通过反复迭代搜索特征空间中样本点最密集的区域，搜索点沿着样本密度增加的方向漂移到局部密度最大值。均值漂移算法原理简单、迭代效率高，但是迭代过程中搜索区域大小对算法的准确性和效率有很大的影响。
卡尔曼滤波目标跟踪算法是基于卡尔曼滤波器是一个对动态系统的状态序列进行线性最小方差估计。运算过程简便，同步计算运行良好。经常用以预测跟踪活动目标的运行状态，极大地缩小了范围。
基于重点属性特点的追踪计算是以典型特征的目标跟踪方法为基础收集目标相关的特征信息，对应的目标出现在视频序列图像中采用匹配算法，接下来跟踪移动目标。一般划分为三个步骤进行：第一步是利用目标检索结果提取目标的典型特征，如角点，边界，明确区域，颜色，形状等。在第二步中，在连续帧图像上找到关键点、特征点。第三步，依据相似性度量来确定当前帧中目标的最佳位置。
4.结语
目前，智能化视频监控系统在我国仍处于普及阶段，但随着我国经济的飞速发展和物质生活水平的不断提高，人们的安全防范意识也越来越强，这意味着智能化视频监控有着广泛的应用市场。因此，对作为视频监控系统关键组成部分的运动目标检测与跟踪技术的研究有着重要的理论意义与应用价值。
参考文献：
[1] 张广军，机器视觉，科学2005版，科学出版社，2008：35 - 70.
[2] 高文，陈熙霖，计算机视觉算法与系统原理，清华大学出版社，1998：12 - 89.
[3] 赵鹏，机器视觉理论及应用，电子工业出版社，2011：23 - 67.
关键词：运动目标检测;运动目标跟踪;视频监控
中图分类号：TN219
文献标识码：A
文章编号：1672 -1578（2019）08 - 0274 - 01
1.引言
视觉是人类感知环境的重要手段，大量有意义的信息都包含在运动中。人的双眼对运动目标更为敏感。计算机视觉是利用计算机实现视觉信息处理的一门学科，视频图像相对于静态图像的优点是时间的不间断性和运动目标信息的获取。融合了多种技术，能够达到视频成像播放以及追踪研究的目的。
运动目标检测与跟踪过程可以分为两个方面：目标检测与目标跟踪。第一部分：运动物体检测，被监视场景中的移动物体要做到全时检测并收集相关信息。第二部分：移动过程的追踪，分析移动目标的状况，根据目标的特点决定使用的相应的算法，移动目标跟踪可以提供目标的运动轨迹并准确定位目标位置，最重要的是可以分析预测目标接下来的可能行为并能提供具体的数据信息。
2.运动目标检测技术研究
运动目标检测过程分为三个层次，面向像素级的检测，面向变化区域级的检测和面向帧级的检测。面向像素级的检测是指对包含运动目标的视频序列图像进行差分，二值化，逐点检测判断背景与运动目标;面向变化区域级的检测是指对像素检测后得到的二值图像中的目标区域采用形态学滤波和连通性检测的方法提高检测的准确度;面向帧级的检测是指对整帧图像进行去噪处理，使其适应环境光线变化。运动目标检测算法的实质就是当场景中有新目标进入或者场景中有目标移动时，通过检测算法能够得知有运动目标出现，再利用目标分割方法把进入场景中的运动目标（前景）从背景图像中分离出来的方法。按照检测算法的原理主要可以分为三类：背景差分法、光流法、帧间差分法。
背景差分法分为两种类型，既定背景和计划背景。既定背景是指在开始检测之前移动目标的活动场景。在检测过程当中，通过比较当前时帧与背景之间的差异获得移动目标的样板，借助于形态学的开闭运算等方法进行滤波去噪和轮廓平滑。。
在计划背景的背景差异实现中，没有提前预定目标的移动场景。通过叠加几个连续帧的灰度图像，然后执行中值滤波来确立目标移动场景。然后，区分当前的关键帧与既定背景图像，并且通过诸如形态学的方法通过滤波，去噪等技术来使得移动目标的大致轮廓得以收集。
由于背景差分算法的建立背景仅仅是真实可靠背景的近似值，因此在移动物体较小以及背景中存在剧烈运动的物体时检测到的结果有一定的差异。
帧间差分方法进行目标检测计算简便。因为相邻帧的间隔时间较短，所以这种方法通常对场景光线的变化不太敏感。帧间差分法最重要的是实时检测运动场景中的相异变化而后抽离提取相应目标。
光流法完整地利用了图像本身的信息。光流是指空間中物体被观测面上的像素点运动产生的瞬时速度场，包含了物体表面结构和动态行为等重要信息。建立在光流法的移动物体检验是采用变化目标随着时间的改变而改变的光流特性的基础之上，因为光流不只是包含所要检测的目标物体的移动信息，而且还包含连接物体运动的大量信息和运动场景的三维结构变化，所以不但移动中的目标检测适合这种方法，并且也多运用于跟踪移动目标，特别是相对于移动变化中的摄像机来说，它可以用来单独地检测运动中的目标。
3.运动目标跟踪技术研究
当跟踪目标时，目标自身和目标所在的环境将对目标跟踪算法的基本计算产生或多或少的变化，根据不同的情况有不同的跟踪算法。
基于均值漂移目标跟踪算法的基本思想是：通过反复迭代搜索特征空间中样本点最密集的区域，搜索点沿着样本密度增加的方向漂移到局部密度最大值。均值漂移算法原理简单、迭代效率高，但是迭代过程中搜索区域大小对算法的准确性和效率有很大的影响。
卡尔曼滤波目标跟踪算法是基于卡尔曼滤波器是一个对动态系统的状态序列进行线性最小方差估计。运算过程简便，同步计算运行良好。经常用以预测跟踪活动目标的运行状态，极大地缩小了范围。
基于重点属性特点的追踪计算是以典型特征的目标跟踪方法为基础收集目标相关的特征信息，对应的目标出现在视频序列图像中采用匹配算法，接下来跟踪移动目标。一般划分为三个步骤进行：第一步是利用目标检索结果提取目标的典型特征，如角点，边界，明确区域，颜色，形状等。在第二步中，在连续帧图像上找到关键点、特征点。第三步，依据相似性度量来确定当前帧中目标的最佳位置。
4.结语
目前，智能化视频监控系统在我国仍处于普及阶段，但随着我国经济的飞速发展和物质生活水平的不断提高，人们的安全防范意识也越来越强，这意味着智能化视频监控有着广泛的应用市场。因此，对作为视频监控系统关键组成部分的运动目标检测与跟踪技术的研究有着重要的理论意义与应用价值。
参考文献：
[1] 张广军，机器视觉，科学2005版，科学出版社，2008：35 - 70.
[2] 高文，陈熙霖，计算机视觉算法与系统原理，清华大学出版社，1998：12 - 89.
[3] 赵鹏，机器视觉理论及应用，电子工业出版社，2011：23 - 67.