基於視訊的移動目標檢測 Moving Object Detection
阿新 • • 發佈:2018-12-30
引言:
一、視訊中移動目標檢測的方法:
1. 基於畫素的移動目標檢測(畫素顏色值,畫素位置)
2. 基於區域的移動目標檢測(畫素屬性之間的關聯,大尺度特徵)
3. 其他方法
二、由於視訊環境的複雜和應用場景的複雜,很難使用單一技術應對所有的應用環境,各種相關演算法不斷湧現出來。
問題陳述及應用:
移動目標檢測一般不單獨構成應用,而是在作為系統的一個元件。
隨著系統應用的不同,一般目標檢測的具體要求也不同。
一、系統陳述
1. 高層次的模型一般具有三個模組(檢測、跟蹤、識別),其中識別模組不是必須的。
2. 檢測模組可細分為兩個小模組(移動目標區域檢測和移動目標分組)。
3. 模型的輸入為連續的視訊,輸出為跟蹤的物體或分類的物體。
二、 重點討論內容:判定移動目標區域
1. 如何提取運動的前景
2. 如何建立一個良好的背景模型(不是主要任務,但是是完成任務目標的重要輔助工具)
3. 背景差分
一、視訊中移動目標檢測的方法:
1. 基於畫素的移動目標檢測(畫素顏色值,畫素位置)
2. 基於區域的移動目標檢測(畫素屬性之間的關聯,大尺度特徵)
3. 其他方法
二、由於視訊環境的複雜和應用場景的複雜,很難使用單一技術應對所有的應用環境,各種相關演算法不斷湧現出來。
問題陳述及應用:
移動目標檢測一般不單獨構成應用,而是在作為系統的一個元件。
隨著系統應用的不同,一般目標檢測的具體要求也不同。
一、系統陳述
1. 高層次的模型一般具有三個模組(檢測、跟蹤、識別),其中識別模組不是必須的。
2. 檢測模組可細分為兩個小模組(移動目標區域檢測和移動目標分組)。
3. 模型的輸入為連續的視訊,輸出為跟蹤的物體或分類的物體。
二、 重點討論內容:判定移動目標區域
1. 如何提取運動的前景
2. 如何建立一個良好的背景模型(不是主要任務,但是是完成任務目標的重要輔助工具)
3. 背景差分
基於畫素的移動目標檢測:
一、均值-閾限法
二、陰影去除及三高斯模型
解決陰影的方案: 拋棄灰度值,使用顏色值建模。
假設:移動目標投射到路面上的陰影主要改變了該位置的亮度而對色度沒有大的影響。
HSV好解決,RGB稍微複雜。
利用亮度、色度偏離值將新的顏色分為四個類別:前景 背景 陰影 強光
一種更復雜的方法:三高斯模型。
利用三個高斯分佈分別對道路、運動前景和陰影進行建模。
主要問題:如何通過一定時間的學習獲得每個高斯分佈的引數從而建立有效的模型。(EM演算法,增量EM演算法)。