文档介绍：文献综述
题目视频运动目标检测技术关键技术研究
学生姓名 XXXX
专业班级网络工程2006级1班
学号
院(系) 计算机与通信工程学院
指导教师(职称) (副教授)
完成时间 2010年 3 月 15 日
视频运动目标检测技术关键技术研究
摘要
运动目标检测是计算机视觉领域的一个重要研究内容,在很多计算机视觉应用中,其中关键的任务是从图像序列中确定运动目标,其中对于固定摄像机下运动目标的检测图像序列中运动目标的检测在现代社会中的应用越来越广泛,并且给人们的生活带来了巨大的变化。尤其是在一些对安全要求敏感的场合都具有广阔的应用前景,如军队、公安、银行、道路、停车场等,生活中路口交通流量的监测,重要场所的安全监测,汽车或飞机的自动驾驶,军事上的导弹自动目标跟踪与军事机器视觉。
本文先介绍了图像预处理的相关内容及运动目标检测关键技术,分析了运动目标检测算法,在重点研究了各种方法的基础上,提出基于改进的帧差算法,并通过验证了该算法显示了良好的性能。本人概述了智能监控的另外一个重要学科就是运动目标跟踪技术。
关键词图像处理;目标检测;高斯模型;目标跟踪
视频运动目标检测技术关键技术研究
1 引言
伴随着计算机技术、通信技术、图像处理技术的不断发展,计算机视觉已成为热点研究问题之一。它是一门交叉性很强的学科,涉及计算机、心理学、生理学、物理学、信号处理和应用数学等诸多学科。作为计算机视觉研究的热门课题一运动目标检测是计算机视觉信息提取的一个关键步骤,是更高层次的视频图像分析如目标跟踪、目标分类的重要基础。在视频监控、目标跟踪、视频语义解释等系统中,运动目标检测的作用更是显得尤其重要。因此,如何快速准确地从视频图像序列中提取出系统所关心的运动目标,是诸多研究人员所关心的一个问题。
2 图像预处理技术
在运动目标检测过程中图像预处理尤为重要,它主要是对图像进行增强、改善或修改,为图像分析做准备,直接关系到图像的下一步质量。
数字图像处理(Digital Image Processing)是利用计算机对图像进行处理,因此,puter Image Processing)[1]。它首先将图像转换为数字信号也就是数字图像之后,计算机才能对图像进行处理。数字图像是对图像进行数字化处理之后的一种数字表示。数字图像处理是将一幅图像变为另一幅经过修改(改进)的图像,或是将一幅图像转化为一种非图像的表示,如一个测量数据集或一个决策。其最早可以追溯到20世纪60年代初,美国喷气推进实验室(JPL)用计算机对航空器发回的数千张月球照片进行处理,成功地绘制出了月球的地形图和彩***,从而开辟了人类历史上数字图像处理的先河。
视频对象的的图像预处理学科所涉及的知识非常广泛,具体的方法种类繁多,应用也极为普遍。从工程学考虑,图像预理常用技术主要包括图像灰度化、图像滤波等。
图像滤波
图像滤波是数字图像处理过程中经常使用的、也是最重要的处理过程,因为图像在摄取、传输等过程中经常会受到噪声的干扰,反映在原本均匀和连续变化的灰度突然变大或者变小,形成一些虚假的物体边缘或轮廓,使得图像的后续处理容易引入误差。
图像滤波主要是为了消除噪声,因此需要重视图像的滤波处理[2]。图像滤波处理方法[3]中主要的图像滤波的常用方法有均值滤波、中值滤波[3]和低通滤波。
图像滤波是数字图像处理过程中经常使用的、也是最重要的处理过程,因为图像在摄取、传输等过程中经常会受到噪声的干扰,反映在原本均匀和连续变化的灰度突然变大或者变小,形成一些虚假的物体边缘或轮廓,使得图像的后续处理容易引入误差。因此,需要重视图像的滤波处理。以下是几种常见的图像滤波处理方法[4]:
1、均值滤波
假设图像由许多灰度恒定的小块组成,相邻像素间有很强的空间相关性,而噪声是统计地叠加在图像上的,其均值为零。因此用像素邻域内的各像素灰度值的平均值代表原有的灰度值,实现图像的平滑。在灰度图像f中以像素值(x,y)为中心的N×N窗口(3,5,7,...)内,若平均灰度值为α时,无条件的令f(x,y)=α。这种方法就是对一个噪声点进行模糊,把被处理点的某一领域中所有像素灰度值的平均值作为该点灰度的估计值。由于参加平均的像素在原始无噪声图像中灰度值是不等的,但在去噪过程中邻域内所有像素都进行了平均,均值滤波法可能会使边界模糊。
2、中值滤波
中值滤波法是以局部中值代替局部平均值。在灰度图像中f中以像素值(x, y)为中心的N×N窗口(3,5,7,...)内,首先把这N×N个像素点的灰度值按大小进行排序,然后选取值的大小为处于正中位置的那个灰度值α,使f(x, y)=α。这样,把被处理点的某一邻域中像素灰度中值作为该点的像素灰度的估计值。由于中值滤波不影响阶跃函数和阶