静态背景:只动目标
动态背景:动目标和camera;复杂相对运动
静态背景:
1. 背景差分:先获得背景后根据差值取阈得图像(背景影响较大)
背景获得:(1)时间平均
(2)参数建模
阴影消除:色度值代替亮度值;
2. 帧间差分:相邻两幅图差值进行计算获得运动物体位置与形状(部分信息,不适用于运动缓慢物体)
3. 光流法:带有灰度的像素点在图像平面上运动产生的瞬时速度场(最复杂,不适于实时估计,抗噪性差)
动态背景:
基于块的运动估计与补偿:假定同一图像块上运动矢量相同,通过像素域搜索得到最佳运动矢量估算。
关键技术:(1)匹配法则:最大相关,最小误差
(2)搜索方法:三步搜索,交叉搜索
(3)块大小确定:分级,自适应
Tracking:通过目标有效表达寻找最佳相似目标。
目标特征:(1)视觉特征:边缘,轮廓,形状,纹理,区域
(2)统计特征:直方图,各种矩特征
(3)变化系数特征:傅里叶描绘子,自回归模型
(4)代数特征:图像矩阵的奇异值分解
相似度度量算法(匹配法则):欧氏距离,街区距离,棋盘距离,加权距离,巴特查理亚系数,Hausdorff距离。(欧氏距离最简单)
搜索算法:预测下一帧物体可能存在的位置。kalman滤波,扩展的Kalman滤波,粒子滤波。
Kalman算法:线性最小方差估计。通过状态方程和观测方程来预估。无偏,稳定,最优。
粒子滤波算法:非线性,非高斯系统。递归方式进行处理,节省空间,有较好鲁棒性。
均值漂移算法(Meanshift):梯度优化,非刚性目标,非线性运动目标,变形,旋转均可。
连续自适应均值漂移算法(Camshift):基于Meanshift,结合色彩信息。可有效解决变形和遮挡问题。
分类:(1)基于主动轮廓追踪(Snake模型):定义可变形Snake曲线,通过对其能量函数最小化,使其轮廓逐渐变成与目标轮廓一致。跟踪可靠性增加,但计算量较大,并且对快速运动或形变较大物体跟踪情况不理想。
(2)基于特征的跟踪:
特征提取:特征:有直观意义,有分类意义,计算相对简单,有图像平移旋转尺度变换等不变性。主要有颜色,纹理边缘,块特征,光流特征,周长面积,质心,角点。
特征匹配:基于二值化、边缘特征、角点特征、灰度、颜色特征匹配。
对尺度、形变、亮度变化不敏感。只要有一部分特征能被提取就可以。但对噪声敏感,连续帧间关系难以确定。
(3)基于区域的追踪:得到人为或图像分割的矩形或不规则图形模版,再用算法跟 踪目标。费时,未被遮挡时精度很高,目标变形或有遮挡精 度下降。
(4)基于模型的追踪:通过先验知识建立模型,然后追踪,适用于刚体。不易受观 测视角影响,有较强鲁棒性,抗干扰能力较强,计算复杂, 实时性较差。