运动目标检测方法综述
2014-04-16 18:49
253 查看
1.光流法
光流是空间运动物体被观测面上的像素点运动产生的瞬时速度场,包含了物体表面结构和动态行为的重要信息。光流计算法大致可分为三类:(1)基于匹配的光流计算方法,包括基于特征和基于区域的两种。基于特征的方法是不断地对目标主要特征进行定位和跟踪,对大目标的运动和亮度变化具有鲁棒性,存在的问题是光流通常很稀疏,而且特征提取和精确匹配也十分困难;基于区域的方法先对类似的区域进行定位,然后通过相似区域的位移计算光流,这种方法在视频编码中得到了广泛的应用,但它计算的光流仍不稠密。
(2)基于频域的方法利用速度可调的滤波组输出频率或相位信息,虽然能获得很高精度的初始光流估计,但往往涉及复杂的计算,而且可靠性评价也十分困难。
(3)基于梯度的方法利用图像序列的时空微分计算2D速度场(光流)。由于计算简单和较好的实验结果,基于梯度的方法得到了广泛应用。
2.相邻帧差法
相邻帧差法是在运动目标检测中使用的最多的一类算法。原理就是将前后两帧图像对应的像素值相减,在环境亮度变化不大的情况下,如果对应像素值相差值很小,可认为此处景物是静止的,反之,则是运动物体。相邻帧差法对于动态环境具有较强的自适应性,鲁棒性较好,能够适应各种动态环境,但一般不能完全提取出所有相关的特征像素点,这样在运动实体内部容易产生空洞现象。
3.背景差法
背景差法是常用的运动目标检测方法之一。它的基本思想是将输入图像与背景模型进行比较,通过判定灰度等特征的变化,或用直方图等统计信息的变化来判断异常情况的发生和分割运动目标。与帧间差法比较,背景差法可以检测视频中停止运动的物体,其缺点是背景的更新导致算法的复杂性增加,实时性变差。
4.边缘检测法
图像的边缘为图像中灰度发生急剧变化的区域,边界分为阶跃状和屋顶状两种类型。图像的边缘一般对应一阶导数较大,二阶导数为零的点。常用的边缘检测算法有Robert算子、Sobel算子、Laplacian算子等。与帧差法、背景差分法相比,边缘检测方法有利于邻近运动目标的区分和运动目标的提取,对背景噪声的鲁棒性很大,但其运算复杂度也相对较大。
相关文章推荐
- 运动目标检测--三种方法比较
- 运动目标检测跟踪各过程算法综述
- 背景减除是运动目标检测的常用方法,写出三种背景减除方法。
- Opencv运动目标检测常用方法
- 运动目标检测跟踪各过程算法综述
- 运动目标检测跟踪各过程算法综述
- 运动目标检测跟踪各过程算法综述
- 基于深度学习的目标检测方法综述
- 运动目标检测跟踪各过程算法综述
- 运动目标检测跟踪各过程算法综述
- 运动目标检测跟踪各过程算法综述
- 运动目标检测跟踪各部分综述
- 运动目标检测的方法
- OpenCV运动目标检测——帧间差,混合高斯模型方法
- 对这个运动目标检测方法实现的结果A Hybrid Algorithm for Moving Object Detection
- 运动目标检测的方法
- 运动目标检测--三种方法比较
- 运动目标检测跟踪各过程算法综述【…
- 运动目标检测跟踪各过程算法综述
- 运动目标检测--改进的背景减法