目标检测-顾静

目标检测顾静2014.06.26预备基础知识：数字图像是指由被称作象素的小块区域组成的二维矩阵。将物理图象行列划分后，每个小块区域称为像素（pixel）。每个像素包括两个属性：位置和灰度。对于单色即灰度图像而言，每个象素的亮度用一个数值来表示，通常数值范围在0到255之间，即可用一个字节来表示，0表示黑、255表示白，而其它表示灰度级别。预备基础知识：彩色图象可以用红、绿、蓝三元组的二维矩阵来表示。通常，三元组的每个数值也是在0到255之间，0表示相应的基色在该象素中没有，而255则代表相应的基色在该象素中取得最大值，这种情况下每个象素可用三个字节来表示。

运动目标检测是实现目标跟踪、交通监控、行为分析等任务的基础。但由于运动目标的提取易受到背景、光线变化、阴影、运动速度等因素的影响而造成失败,所以如何更好的实现运动目标检测具有相当重要的意义。根据应用范围它可以分为静态目标检测与运动目标检测两类:静态目标检测多指静态图像(数码照片、扫描图像等)中的目标检侧,如人脸、姿态、手势、车牌、文本等内容的检测;运动目标检测多指视频中的目标,如运动跟踪、交通监控、行为分析等内容的检侧。

流行算法：运动目标检测的分类方法较多,如根据摄像机是否运动来分、根据检测是2-D还是3-D来分、根据是普通的图像序列还是红外或雷达图像来分、根据运动的特点来分⋯⋯本次讲解主要关心在普通图像序列中的运动检测,其他类型检测基本上是普通图像序列检测方法的扩充。这类检测可以分为特征与灰度两种检测方法。基于特征的检测多是依据图像特征或由其组成的模型来检测运动目标。基于灰度的方法则是依据图像中灰度模式等来实现对运动目标的分割。从方法上来看常用的大体有如下几类:帧差法、光流法、背景差法、基于统计学习的方法。

帧差法：该类方法主要利用时间信息,通过比较图像序列中连续两帧或三帧中所有的对应位置像素点,并根据规则计算对应像素点的差值,如果差值大于一定的阈值,就认为该点对应位置有运动目标存在并提取该运动目标。

帧差法采用单台摄像机,对动态环境有较强自适应性,但一般来说使用该方法不能完全提取相关的特征像素点,得到的背景并非纯背景图像,所以检测得到运动目标结果并不十分精确。比如如果有多人过近的聚集在一起的话,该运动区域可能会聚类成为一辆车。

光流法：物体在运动的时候，它在图像上对应点的亮度模式也在做相应的运动，这种图像亮度模式的表观运动就是光流。光流的研究就是利用图像序列中像素的强度数据的时域变化和相关性来确定各自像素位置的“运动”。光流表达了图像的变化，因此可被观察者用来确定目标的运动情况。一般情况下，光流由相机运动、场景中目标运动或两者的共同运动产生。

光流场指的是景物中可见像素点的三维速度矢量在成像表面投影形成的二维瞬时速度场。空间中的运动场转移到图像上就表示为光流场，光流场反映了图像上每一点的灰度变化趋势，它是如今计算机视觉及有关研究领域中的一个重要组成部分。

光流法：光流法检测运动目标，其基本思想是赋予图像中的每一个像素点一个速度矢量，从而形成了该图像的运动场。图像上的点和三维物体上的点在某一特定的运动时刻是一一对应的，根据各像素点的速度矢量特征对图像进行动态的分析。若图像中不存在运动目标，那么光流矢量在整个图像区域则是连续变化的，而当物体和图像背景中存在相对运动时，运动物体所形成的速度矢量则必然不同于邻域背景的速度矢量，从而将运动物体的位置检测出来。

光流法：

光流法：在实际的应用中，由于存在多光源、遮挡性、噪声和透明性等多方面的原因，光流场基本方程中的灰度守恒这个假设条件是得不到满足的，因此不能求解出正确的光流场，同时由于其采用的是迭代的求解计算方法，故需要的计算时间比较长，从而无法满足实时的要求，并且该方法受噪声的影响较大，因而该方法多适用于目标运动速度不大，图像噪声比较小的情况。

背景差法：背景减法相对于其他方法而言简单易于实现,是最受欢迎的运动目标检测方法之一,它利用当前图像与背景图像的差来检测运动区域。一般而言背景减的步骤如下:首先对固定摄像机拍摄的视频图像序列进行计算,得到一个场景的静态背景初始化模型,之后将当前帧与静态背景图像相比,从当前帧中将背景剔除,从而得到前景运动目标。不过由于背景可能发生变化,所以算法在实现的过程中,将不断地自动实现背景更新,之后再次利用新的背景模型来确定前景目标,以期得到更精确的结果。

基于统计、学习的方法：由于这类方法对于噪声、阴影、光线等变化比较每棒,正越来越多地应用于运动目标检测的过程中,它利用了独立或成组的像素特征来构建/更新背景模型,采用学习概率来抑制误识(即减少将不属于目标集的目标标注为目标对象的概率)。这类算法对于噪声、阴影、光线等外部环境变化比较鲁棒,检测到的运动目标比较准确,抗干扰能力较强。但由于运动的复杂性,致使该方法很难采用一种统一的概率分配模型来描述。学习过程中要遍历图像的所有位置,故训练样本大,计算复杂,计算量大