基于OpenCV的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤

羅翊坤

【摘要】 運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域是基礎(chǔ)的一個(gè)重要分支，在工業(yè)，醫(yī)療，航空航天和軍工具有廣泛的應(yīng)用領(lǐng)域，已被廣泛關(guān)注，并成為計(jì)算機(jī)視覺(jué)研究的熱點(diǎn)首先，運(yùn)動(dòng)目標(biāo)檢測(cè)----幀間差分法和背景減除深入的研究和討論，然后，在Visual C++ 6.0編程環(huán)境OpenCV的技術(shù)手段的基本方法開(kāi)發(fā)出一種運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤系統(tǒng)。捕獲的預(yù)處理視頻圖像的系統(tǒng)第一序列有關(guān)移動(dòng)目標(biāo)的視頻序列之后比較可靠地檢測(cè)。通過(guò)試驗(yàn)結(jié)果和數(shù)據(jù)系統(tǒng)可以斷定：基于運(yùn)動(dòng)對(duì)象檢測(cè)的OpenCV跟蹤系統(tǒng)的設(shè)計(jì)具有良好的實(shí)時(shí)性，實(shí)時(shí)能夠精確檢測(cè)和跟蹤移動(dòng)目標(biāo)。

【關(guān)鍵詞】 運(yùn)動(dòng)目標(biāo)檢測(cè) 視頻圖像 OpenCV

一、緒論

隨著計(jì)算機(jī)技術(shù)日新月異的發(fā)展，計(jì)算機(jī)視覺(jué)，模式識(shí)別，人工智能，多媒體技術(shù)，越來(lái)越受到人們的重視的快速發(fā)展。廣泛地被定位對(duì)象使用運(yùn)動(dòng)跟蹤和檢測(cè)，監(jiān)測(cè)和智能人機(jī)交互和分析他們的行為，一旦發(fā)現(xiàn)有異常行為的對(duì)象，監(jiān)控系統(tǒng)發(fā)出警報(bào)，提醒人們注意和及時(shí)的治療，改善人類(lèi)的人工監(jiān)督注意力浪費(fèi)資源等問(wèn)題。計(jì)算機(jī)視覺(jué)是通過(guò)計(jì)算機(jī)代替人的眼睛和大腦感知外部環(huán)境，分析和理解。

1.1 OpenCV技術(shù)介紹

視覺(jué)處理算法的OpenCV提供了非常豐富的，它部分是用C寫(xiě)的，有它的開(kāi)源特性，妥善處理，無(wú)需添加新的外部支持進(jìn)行編譯和鏈接，生成程序的完整實(shí)現(xiàn)，所以很多人們用它做算術(shù)移植，OpenCV的可正常運(yùn)行的系統(tǒng)DSP和MCU系統(tǒng)正常重寫(xiě)代碼。

二、運(yùn)動(dòng)目標(biāo)檢測(cè)

運(yùn)動(dòng)目標(biāo)的檢測(cè)在整個(gè)視頻監(jiān)控系統(tǒng)的底層，各種高級(jí)應(yīng)用，如目標(biāo)跟蹤，目標(biāo)分類(lèi)，目標(biāo)行為的隨訪，了解互惠的基礎(chǔ)。運(yùn)動(dòng)對(duì)象檢測(cè)裝置，從在實(shí)時(shí)目標(biāo)視頻流中提取，目標(biāo)通常設(shè)置面積和顏色特性。結(jié)果運(yùn)動(dòng)目標(biāo)檢測(cè)是描述一些靜態(tài)功能的“靜態(tài)”的目標(biāo)前景。根據(jù)上下文，其中環(huán)境可分為兩大類(lèi)靜態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)和動(dòng)態(tài)背景運(yùn)動(dòng)目標(biāo)檢測(cè)，本章與實(shí)際紙工作主攝像機(jī)靜態(tài)背景運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)結(jié)合，不會(huì)發(fā)生前景對(duì)象的運(yùn)動(dòng)目標(biāo)檢測(cè)檢測(cè)算法。

2.1運(yùn)動(dòng)目標(biāo)檢測(cè)的基本方法

目標(biāo)檢測(cè)和提取已在目標(biāo)跟蹤應(yīng)用程序中的重要地位。目標(biāo)檢測(cè)和提取的精度直接影響結(jié)果和準(zhǔn)確性的跟蹤。一個(gè)良好的各種環(huán)境動(dòng)目標(biāo)檢測(cè)算法的應(yīng)能適用于監(jiān)測(cè)，在正常情況下，移動(dòng)體檢測(cè)算法可以根據(jù)場(chǎng)景被監(jiān)視在室內(nèi)或室外監(jiān)測(cè)算法被分成室內(nèi)和室外監(jiān)視算法，則可以按照使用特定算法的方法分為連續(xù)幀差分方法，背景減除法和光流法。

2.1.1幀間差分法

對(duì)于許多應(yīng)用，圖像的連續(xù)幀之間的差檢測(cè)出圖像的順序是非常重要的一步。場(chǎng)景中的任何可觀察到的運(yùn)動(dòng)將反映在場(chǎng)景圖像序列的變化，如果能檢測(cè)到這種變化，我們可以分析的運(yùn)動(dòng)特性。

2.1.2背景差法

基于該原理的背景差分方法非常簡(jiǎn)單，基本操作過(guò)程示于（4.2）如下：首先使用式（4.3）來(lái)計(jì)算背景圖像之間的差fbk當(dāng)前幀fk，然后根據(jù)下式（4.4）是差分圖像的Dk值化和形態(tài)學(xué)濾波處理，并獲得當(dāng)該區(qū)域的通信區(qū)域比給定的閾值RK進(jìn)行連通區(qū)域分析的結(jié)果，它成為檢測(cè)對(duì)象，并且該區(qū)域是區(qū)域目標(biāo)在區(qū)間的，你能確定的最小邊界矩形的目標(biāo)。

其中T 是二值化設(shè)定閥值。

2.1.3光流法

光流是指在圖像模式（或表觀的）運(yùn)動(dòng)的表觀亮度。用“表觀運(yùn)動(dòng)”，主要是由于光流的運(yùn)動(dòng)圖像不能有部分信息只以確定，例如，區(qū)域性或亮度輪廓點(diǎn)更均勻的亮度不能唯一確定的運(yùn)動(dòng)對(duì)應(yīng)的點(diǎn)，但觀察到的運(yùn)動(dòng)。這解釋了光流和該流不一定是由物體的運(yùn)動(dòng)所產(chǎn)生的光，而運(yùn)動(dòng)的主體不一定會(huì)產(chǎn)生光流體育場(chǎng)不一定是唯一的。

三、目標(biāo)跟蹤算法的研究

目標(biāo)對(duì)象的運(yùn)動(dòng)信息的條件的先驗(yàn)知識(shí)下跟蹤，通過(guò)從信息源的實(shí)時(shí)數(shù)據(jù)來(lái)估計(jì)所述目標(biāo)狀態(tài)，以實(shí)現(xiàn)所述目標(biāo)位置和運(yùn)動(dòng)趨勢(shì)判定。運(yùn)動(dòng)目標(biāo)跟蹤問(wèn)題是一個(gè)復(fù)雜的估計(jì)。研究精度高，性能穩(wěn)定，目標(biāo)跟蹤方法的適用性仍面臨巨大挑戰(zhàn)，具有重要的理論意義和實(shí)用價(jià)值。

3.1圖像匹配法

通過(guò)圖像匹配方法可以識(shí)別要跟蹤的運(yùn)動(dòng)對(duì)象，并確定它們的相對(duì)位置。早期跟蹤涉及的目標(biāo)位置的變化的兩個(gè)圖像之間的測(cè)量計(jì)算出的相關(guān)函數(shù)，跟蹤點(diǎn)是，這兩個(gè)圖象相匹配的最佳位置，這是相關(guān)函數(shù)的峰值。

3.2基于團(tuán)塊的目標(biāo)跟蹤

基于團(tuán)塊（BLOB）的基本原理是用于圖像分割候選像素跟蹤算法，它決定像素是否屬于背景或?qū)儆诙ㄎ换驅(qū)儆谄渌麉^(qū)域。基于跟蹤算法的質(zhì)量也可稱(chēng)為基于圖像分割的跟蹤，分割結(jié)果剛夠目標(biāo)和背景之間的區(qū)分，而傳統(tǒng)的圖像分割算法需要目標(biāo)輪廓的精確顯示。分裂臺(tái)球在目標(biāo)，紋理特征和圖像的深度信息的一般特性。

四、結(jié)語(yǔ)

隨著在軍事領(lǐng)域的計(jì)算機(jī)視覺(jué)，智能交通監(jiān)控，視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的發(fā)展必將得到更廣泛的應(yīng)用和發(fā)展。在本文中，歷時(shí)四個(gè)月中，主要研究的OpenCV實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的應(yīng)用，實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)具有良好的魯棒性和準(zhǔn)確性，實(shí)現(xiàn)畢業(yè)設(shè)計(jì)的預(yù)期目標(biāo)，在工作和問(wèn)題結(jié)合起來(lái)實(shí)際應(yīng)用中。

參 考 文 獻(xiàn)

[1]劉瑞禎， 于仕琪. OpenCV教程基礎(chǔ)篇[M]. 北京： 北京航空航天大學(xué)出版社，2007.

[2]彭達(dá). Visual C++多媒體編程技術(shù)[M]. 北京： 人民郵電出版社， 1999.

[3]丁金鑄. 基于圖像處理的運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 華中師范大學(xué)， 2007.

[4]王建中， 姜昱明. 基于塊匹配的運(yùn)動(dòng)對(duì)象檢測(cè)算法[J]. 微電子與計(jì)算機(jī)， 2005， 22（1）： 10-12.

[5]林少丹. VC++程序設(shè)計(jì)基礎(chǔ)[M]. 北京： 人民交通出版社， 2009.

[6]唐雙發(fā). 基于OpenCV的車(chē)輛視頻檢測(cè)技術(shù)研究[D]. 華中科技大學(xué)， 2009.

[7]李慶忠，陳顯華，王立紅. 視頻監(jiān)視中運(yùn)動(dòng)目標(biāo)檢測(cè)與識(shí)別方法[J]. 計(jì)算機(jī)工程， 2004， 30（16）：30-33.

[8]胡曉峰， 吳玲達(dá)， 老松楊， 司光亞. 多媒體技術(shù)教程[M]. 北京： 人民郵電出版社， 2002.

[9]韓鴻哲， 王志良， 劉冀偉， 李郴， 韓忠濤. 陰影消除的自適應(yīng)背景建模[C]. 第二屆全國(guó)智能視覺(jué)監(jiān)控學(xué)術(shù)會(huì)議論文集， 2003， 35-39.[10]張玲， 葉海炳， 何偉. 一種基于邊緣信息的改進(jìn)車(chē)輛檢測(cè)方法[J]. 重慶大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2004， 27（11）： 56-58.

[11] J.B.Kim， H.J.Kim. Efficient Region—based Motion Segmentation for Video Monitoring System [J]. Pattern Recognition Letters， 2003， 3（24）：113-128.

[12]王春平， 朱元昌，黃允華. 基于圖像信息的跟蹤算法分析[J]. 火力與指揮控制， 2000， 25（1）： 64-67.

[13]楊枝靈， 王開(kāi). Visual C++數(shù)字圖像獲取處理及實(shí)踐應(yīng)用[M].北京： 人民郵電出版社， 2003.

[14] H.Chen and T.liu. Trust -Region Methods for Real-Time Tracking[C].Proc. Eigth Int1 Conf. Computer Vision， 2001， 52-55.

[15] Nils T Siebel. Design and Implementation of People Tracking Algorithms for Visual Surveillance Applications Thesis for the Degree of Doctor of Philosophy[D]. The University of Reading， 2003.