外文文献翻译--运动小目标检测与跟踪（中文）

《外文文献翻译--运动小目标检测与跟踪（中文）》由会员分享，可在线阅读，更多相关《外文文献翻译--运动小目标检测与跟踪（中文）（8页珍藏版）》请在毕设资料网上搜索。

1、PDF外文：http:/ 2340 字  出处： Research Journal of Applied Sciences, Engineering and Technology 6(24): 4642-4645, 2013   运动小目标检测与跟踪  摘要 ： 本研究提出了一种基于相关系数的背景更新算法 ，克服了平均背景更新 模糊图像的缺点。 然后 ， 它用减背景的方法来检测 运动 目标和记录 运动 目标 区域 并使用投影直方图调整目标 的中心 ， 计算当前帧和随后 帧 的置信系数 ， 研究在后续帧的目标 中心 。 然后 ， 可以在后续帧跟踪 运动 目标。实验结

2、果表明 ， 该算法能够准确地检 测和自动跟踪 运动 目标。  关键字 ： 背景更新 ， 投影直方图 ，跟踪  介绍      跟踪非刚性的视频序列中的目标和 识别 他们 的问题的重要性在许多应用领域得到增长。例 如 包括一个在视频监控系统中 的 运动检测器 ， 动作分析动画医学成像和人机交互 (HCI)。在连续帧 中 跟踪一个变形的目标在视频监控系统中 是 特别 重要 的 。 有各种研究 关于 视频目标的 提取和跟踪 。 最简单的方法之一是跟踪连续两帧之间 的区域 的差异 (Haritaoglu et al .， 2000)并且 它的性能可以通

3、过使用自适应背景生成 法 和减 背景 法提高 。尽管 简单的 基于区别 跟踪 的方法在无 噪声的情况下跟踪一个目标是有效 的 ， 但 它经常在嘈杂 ， 复杂的背景 中失败。 如果相机有意或无意地移动 ， 跟踪性能 会 进一步退化 。在 阴影 ， 噪音和闭塞 的情况下 跟踪目标 ，投票方案已经提出了一个非线性的目标特性 在 Amer(2003)。 作为 基于帧差 跟踪 方法的 替代方法 ， 一个 blob 或地区跟踪 ， 可以用来定位目标的 重 心 。 基于静止背景的假设 ， Wren et al.(1997)提出了一种实时 blob 跟踪算法 。 使用目标直方图 是另一种 blob 跟踪算法

4、并且均值漂移的方法 已经提出了 在 Comaniciu et al.(2003)。       本研究 提出了一种基于相关系数的背景更新算法 ，克服了平均背景更新的模糊图像的缺点。 然后 ， 它用减背景的方法来检测 运动 目标和记录 运动 目标地区 并且 采用投影直方图的方法来跟踪 运动 目标 。  方法       背景方法 ： 我们随机保存没有目标 运动的 当前场景 作为背景。 但 场景将根据时间 ， 光线和天气条件等等 变化。实时的背景更新是必要的。因此， 本文提出了一种方法来更新背景 。主要步骤如下所示 ： &nbs

5、p;1.保存当前场景图像 ，把场景图像矩阵分为大小为 16*16 的矩阵；  2.计算场景图像矩阵的方差；  3.把背景图像分为大小为 16*16 的矩阵并且计算其方差 ；  4.在大小为 16*16 的场景图像矩阵和其相应的背景矩阵中 计算协方差和相关系数 ；  5.比较 和阈值 ， 如果 大于阈值 ， 使用现场图像代替其相应的背景图片 ， 否则 ， 保存原来的背景图像 。         相关系数  IB DDIB ),cov(           &

6、nbsp;                                                   (1) 其中：  B， I：被表示为 f(x， y)， g(x， y)， y( 1 x M 0 N)的 地面图像 和大小为 M*N 的场景图像的 二维矩阵 。  cov（ B， I）： 二维矩阵的协方差 。  

7、;IB DD, ： B 和 I 的方差。  cov（ B， I）， IB DD , 被表示为：  cov（ B， I） = ),(),(*11010IjigBjifNM MiNj                                 （ 2）   10 10 2),(*1 Mi NjB BjifNMD              

8、                                （ 3）   10 10 2),(*1 Mi NjI IjigNMD                                           &

9、nbsp;   （ 4）  其中， IB, 代表 B， I 的区间 1,1 。如果 的绝对值更接近 1，场景图像与地面图像更相似。 有必要使用 场景 图像代替其相应的背景图片 。 否则 ， 保存原来的背景图像 。 背景更新模型如下所示 ：   kjiIjiB jitt ,16*161 ,                                        

10、      （ 5）   kjiBjiB jitt ,16*16 ,                                               （ 6）  其中  k： 阈值 ， 通常是值从 0.7 到 1。   16*16, jiIt ： 大小 为 16 * 16 的 场景 图像

11、 的 行 i 和列 j。   16*16, jiBt ：大小为 16*16 的背景图像的 行 i 和列 j。  运动 目标检测方法 ： 背景图片可以实时更新 ， 所以我们可以利用减背景法来检测运动目标 。减背景方法如下所示 ：     TxBxIxf tt )()(,255)(                                     （ 7）   &n

12、bsp; TxBxIxftt )()(,0)(                                               （ 8）  其中，  )(xIt ：场景图像。  )(xBt ：在 t 时间的背景图像。  在 二值化处理后 )(xIt 和 )(xBt 的区别显示出来。 T 的阈值区间通常从 5 到 15

13、 是有意义的。x 代表图像的像素位置 。  目标跟踪 ：我们可以通过记录 运动目标区域的方法在大小为 W*H 的窗口下锁定目标。 然后我们使用投影直方图 像 Wang et al.(2006)那样将直方图的中间部分 转移到目标的几何中心 。尤其是，规范的（ i.e.， )(mHx 和垂直 i.e.， )(nHy）投影直方图形状被定义为如下所示：  RyxyxmH iix ),(),()( ，                           &

14、nbsp;                      (9) RyxyxnH iiy ),(),()( ，                                                 (10) 2Mxxm i   &nb

15、sp;                                                         (11) 2Nyyn i .                         &

16、nbsp;                                  (12) 其中，  （ x， y）：即几何中心的目标（ 椭圆的中心 )。  m&n：指数。  M&N： 水平和垂直投影直方图 的数量。  为了减少背景噪声和图像异常值的影响 ， 我们引入权重提高投影直方图归一化形状的鲁棒性 。 这是通过使用一个各向同性的内核函数 k( )以类似的方式如 Coma

17、niciu et al。 (2005)。核函数的作用是将较小的权重分配给像素远离中心本项目的直方图 。 然后 ， 目标模型加权直方图 用 )(mHTx 和 )(nHTy来标示被定义为：  MmxxTxkmHkmHmH1( . )( . )()(        NnyyTyknHknHnH1( . )( . )()(                 （ 13）  其中， 22 )()(),( yyxxcyxk iiii ， 22 )12()12( hwc （

18、 i.e.，从大小为w*h 的目标中计算得来）。     为了 发现目标在后续帧 ， 我们搜索窗口大小 为 W H 的地区锁定运 动目标 在第一场景图像。 然后 ， 候选目标确定在这个窗口 。 投影直方图加权目标候选 用 )(mHCx 和 )(nHCy来标示被定义为：  MmxxCxgmHgmHmH1( . )( . )()(          NnyyCygnHgnHnH1( . )( . )()(                  （ 14）  其中，  ,)()(),( 22 hyyhxxcyxg iiii  HWh * ， 22 )12()12( HWc     为了 在后续帧找到一个目标的位置 ， 我们使用比率作为形状系数匹配 ，其定义如下：