文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 生物学 > 基于Opencv的运动目标的检测和跟踪
侵权投诉

基于Opencv的运动目标的检测和跟踪

白瑞,等基于Opencv的运动目标的检测和跟踪

内作为运动目标选择区域,在选择区域内检测运动目标,当运动目标被锁定后,目标窗口和背景窗口也被确定下来。当然,运动目标选择区距离真实的目标越近,实验的结果应该是越好,应用质心跟踪法需要满足一定的条件,即需要满足一些假设。

假设1假设2

背景图和运动目标的的对比度比较大,也就是提取的目标周围的背景灰度近似的均匀。

说目标和背景之间可以明显的区分。

这样,如果跟踪的运动目标的灰度分布满足假设的话,质心跟踪算法不会受大小,旋转变化一影响,稳定性、可靠性和精度都会较高。因为视觉系统会把目标物体看出轮廓影像,忽略目标的内部结构,于是当前的检测的目标轮廓成了主要的信息来源,当监测目标和视觉视觉系统之间存在相对运动时,便可以获得序列的二值图像形成景物中目标轮廓的三维描述。当然,二值图像中目标质心可用公式:

体作为背景图像[4],然而视频序列的每一帧图像都用运动物体,因此需要提取在视频图像序列中静止不动的景物。因为视频检测器不动,所以图像中的每一个象点都有一个对应的背景值,这个值在一段时间内是比较固定的,所以背景图可以作为参考图。

背景差分法是选用视频或者摄像机的第一帧作为背景,再将后面的帧与背景做差分,虽然后续也会进行背景的更新,但是如果第一帧中有运动目标的话,那么该运动目标将会成为背景,而后面的帧中原位置上的背景将会成为运动目标被检测,这样就会使后续的背景差分失去准确度,为了不使初始的背景图失真,于是本文采用多帧图像统计求平均值的方法,这样大大的避免因第一帧有运动而导致背景检测出现错误的物体。为此我们提取前30帧的图像求的像素的平均值。公式为:

Bk=1(IK-N+1+IK-N+2+…+IK-N+3)

(1)

其中N为重建图像序列的帧数,Bk为重建的背景图像,Ik

为第K帧图像,背景图中每一个像素点的值为该像素点N帧图像灰度的累加平均值。

对索取的图像需要灰度化处理。图像灰度化就是将提取的彩色图像种的彩色信息踢出,只包含亮度信息,计算机表示灰度图是把亮度值进行量化等分成0~255共256个级别,

G=

ΣΣiL(i,j)ΣΣL(i,j)

i

jijmn

H=

ΣΣjL(i,j)ΣΣL(i,j)

i

jijmm

(3)

求出,式中

L(i,j)=

1ij∈∈0ij∈

,(,),(,)

目标背景

(4)

0表示最暗(全黑),255最亮(全白),而在RGB模式中,如果R=G=B,则颜色(R,G,B)就表示灰度值。灰度化过程就是使

图像的RGB分量取相等的值,图像由原来的三围特征降到灰度化以后的一维特征必然会丢失部分信息。考虑的人眼的视觉感知的效果,本文选择的灰度转化的公式为:

是二值图像,(i,j)是图像中像素的坐标,m和n是图像的行数和列数。当目标和视觉系统之间发生相对运动时,只要重复计算式(2),每一帧图像都进行质心的移动记录,就可以实现目标质心的搜索和跟踪[6-7]。

Gray=0.299R+0.587G+0.11BR=G=B=Gray(2)

5实验结果

根据上述算法思想和实现过程,使用VS2008和opencv2.1

其中Gray表示图像中的像素灰度值,R表示该图像的红色分量,G表示绿色分量,B表示蓝色分量:0.299,0.587,

实现了运动目标的识别和跟踪。该系统处理每帧图像的速度可满足实时性的监测要求。使用该算法对一段交通视频序列进行运动目标的识别和跟踪,结果如图4所示。其中图4(a)是当前帧的图像,图中的大矩形为运动目标的选择区域,小的矩形为跟踪的运动目标。图4(b)是运用质心跟踪法的结果。

0.114分别表示为前人实验和理论证明得出的最合理灰度图

像的权值。在Opencv函数库中,图像的灰度化处理通过

cvCvtColor(const*src,CvArr*dst,intcode)函数[5]实现,其中src为元彩色图像,dst为处理后的图像,code为彩色空间转

化方式,其中code定义为CV_RGB2GRAY。由此可以得到视频道路的背景图如图3所示。

图4

图3

检测视频序列的背景图

运动目标的识别和跟踪结果图

Fig.4Movingtargetidentificationandtrackingresultsinfigure

Fig.3Backgrounddetectioninvideo

基于Opencv的运动目标的检测和跟踪

基于Opencv的运动目标的检测和跟踪

sequences

6结论

4运动目标质心跟踪

为了便于计算,把视频头是扫描的范围固定在一个矩形

文中应用多帧图像取平均值的算法,避免了第一帧图像有运动目标而影响实验结果,由此基础上,可以在应用质心

-127-

上一页第2页

你可能喜欢

热门文档

相关文档

  • 【论文】基于Opencv的运动目标的检测和跟踪

    基于Opencv的运动目标的检测和跟踪_专业资料。检测运动物体需要无运动物体的背景图像,所以,首先应用多帧像素平均值法提取了运动视频序列的背景图.从背景图像中分离...

  • 基于OPENCV的运动目标检测与跟踪技术研究

    基于OPENCV的运动目标检测与跟踪技术研究_信息与通信_工程科技_专业资料。西安电子科技大学 学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人...

  • 03基于OpenCV的运动目标检测与跟踪

    32, No.8 2817 基于 OpenCV 的运动目标检测与跟踪尹俊超 1, 刘直芳 1,2 (1. 四川大学 计算机学院,四川 成都 610064; 2. 四川大学 视觉合成图形图像技术...

  • 基于OpenCV的运动目标检测跟踪实验平台

    基于OpenCV的运动目标检测跟踪实验平台王力超,陈熙,陆起涌 (复旦大学电子工程系,上海 200433) 摘 要:运动目标的检测跟踪在机器人视觉、监控测量和视频压缩编码等等...

  • 基于OpenCV的运动目标跟踪系统研究

    本文基于OpenCV设计出改进的运动目标检测与跟踪算法,实...更多>>本文分析比较了传统运动目标检测的3种主要方法:背景图像差分法、时态差分法和光流法,在此基础上...

  • 【论文】基于OpenCV的视频运动目标检测与跟踪

    基于OpenCV的视频运动目标检测与跟踪_信息与通信_工程科技_专业资料 暂无评价

  • 基于OpenCV的运动目标检测与跟踪

    基于OpenCV的运动目标检测与跟踪_计算机软件及应用_IT/计算机_专业资料。基于OpenCV的运动目标检测与跟踪,介绍了OpenCV的配置和使用,介绍了运动目标检测与跟踪的基本...

  • 基于OpenCV的运动目标跟踪及其实现

    在介绍Intel公司的开源OpenCV计算机视觉库的基础上,采用CAMSHIFT跟踪算法,实现 运动目标跟踪.解决了跟踪目标发生存在旋转或部分遮挡等复杂情况下的跟踪难题。实验结果表明...

  • 基于OpenCV的运动目标跟踪及其实现

    0 开发环 境下, 就容易实 现 CAMSH IF T 算法跟踪运动物体, 图 2 是程序界面: OpenCV 设计一些基本数据类型, 基本的数据类型 包括: 图像类的 IplImage, ...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email