目標(biāo)檢測(cè)、目標(biāo)跟蹤報(bào)告(已改無錯(cuò)字)
2023-01-25 00:35:13 本頁(yè)面
【正文】 1221 1 111 111 111 12 2 1 12 2 2 12 2122222 2 2222 2 2 2 22222 22222 2 222 222 222 22 2 2 22 2 2 22 22222258 對(duì)比情況 （ a）原始圖像 （ b）分割后 （ c）逐行掃描法 （ d）本文掃描方法 上圖是實(shí)際的目標(biāo)分割結(jié)果比較。圖（ a）為原始圖像，圖（ b）為運(yùn)動(dòng)檢測(cè)結(jié)果，存在外部輪廓不連續(xù)的情況。逐行掃描法將該運(yùn)動(dòng)目標(biāo)分割成好幾塊不同的區(qū)域，如圖（ c）所示，而本文兩輪掃描法成功將該運(yùn)動(dòng)目標(biāo)分割成一個(gè)獨(dú)立的區(qū)域，如圖（ d）所示。 59 二、通過輪廓匹配來解決遮擋問題 處于遮擋狀態(tài)的運(yùn)動(dòng)目標(biāo)與未處于遮擋狀態(tài)的運(yùn)動(dòng)目標(biāo)分割得到的輪廓有很大的差異，本文分析目標(biāo)的外部輪廓來判斷該運(yùn)動(dòng)目標(biāo)是否處于遮擋狀態(tài)。先建立若干車輛遮擋模型，代表一些常見的車輛遮擋情況，再提取運(yùn)動(dòng)目標(biāo)的輪廓分別與各個(gè)車輛遮擋模型的外部輪廓進(jìn)行匹配，根據(jù)匹配值判斷該運(yùn)動(dòng)目標(biāo)是否處于遮擋狀態(tài)。 60 遮擋模型 下圖所建立的車輛遮擋模型代表了典型的相鄰車道車輛遮擋情況。 m1 m2 61 分層輪廓匹配方法 ? 本文采用一種分層輪廓匹配方法來比較運(yùn)動(dòng)目標(biāo)與車輛遮擋模型的外部輪廓，該方法在匹配過程中利用輪廓的整體和局部信息進(jìn)行計(jì)算。 首先提取運(yùn)動(dòng)目標(biāo)輪廓，并進(jìn)行采樣并以二叉樹形式存儲(chǔ) ，如右圖。 62 分層輪廓匹配方法 ?我們主要依靠該二叉樹的獨(dú)特分層結(jié)構(gòu)逐層進(jìn)行匹配比較，最終計(jì)算出匹配值。具體的匹配計(jì)算可以利用下面這個(gè)遞歸等式來表示： 1 1 2 2( , ) m in ( ( , ) ( , )jbBA B A B A B? ? ? ??? ? ? ?11( ( | , ) , ( | , ) ) )i n j mdif L a a a L b b b 63 試驗(yàn)結(jié)果 ? （ a）遮擋模型 （ b）原始遮擋圖像 ? （ c）分割處理后 （ d）遮擋模型與運(yùn)動(dòng)目標(biāo)匹配 64 試驗(yàn)結(jié)果 （ a） （ b） （ c） （ d） （ e） （ f） （ g） 表 1 上圖各個(gè)車輛與車輛遮擋模型輪廓匹配結(jié)果 65 三、主要算法步驟 ?（ 1）首先根據(jù)背景減法，初步分割出運(yùn)動(dòng)目標(biāo)，并對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行形態(tài)學(xué)處理，填補(bǔ)內(nèi)部空洞，去掉一些孤立的噪聲點(diǎn)。 ?（ 2）基于 YUV彩色空間檢測(cè)并去除出運(yùn)動(dòng)目標(biāo)的陰影像素。由于 YUV的色差分量 U、 V和 HSV空間的色度以及飽和度分量存在一定的聯(lián)系，色度可以近視表示為 ,而可以認(rèn)為是飽和度的值，陰影像素與背景像素比較，亮度有很大的變化，飽和度線性減少，色度一般不變，利用這一性質(zhì)檢測(cè)并去除出陰影像素。 66 主要算法步驟 ?（ 3）通過本文提出的兩輪掃描法，分割各個(gè)運(yùn)動(dòng)目標(biāo)，采集各個(gè)運(yùn)動(dòng)目標(biāo)的大小，位置，矩特征，以及輪廓信息等，并修補(bǔ)外部輪廓中不連續(xù)的部分，得到完整的目標(biāo)輪廓，供后續(xù)處理。 ?（ 4）根據(jù)分層輪廓匹配方法，對(duì)每一個(gè)運(yùn)動(dòng)目標(biāo)，提取輪廓信息與車輛遮擋模型輪廓匹配比較，如果該運(yùn)動(dòng)目標(biāo)與某一遮擋模型的輪廓匹配值小于某一閾值，則認(rèn)為是匹配的，判定該目標(biāo)處于對(duì)應(yīng)遮擋狀態(tài)。 67 主要算法步驟 ?（ 5）判斷車輛是否通過。本文采用類似開辟檢測(cè)帶的方法進(jìn)行判斷，首先設(shè)置一條檢測(cè)線，橫貫馬路，分析位于檢測(cè)線上的各個(gè)運(yùn)動(dòng)車輛，對(duì)于每一幀圖像中位于檢測(cè)線上的所有運(yùn)動(dòng)車輛，我們都要查詢對(duì)應(yīng)位置在上一幀附近是否存在運(yùn)動(dòng)車輛，如果存在，則它們可能是同一輛車，進(jìn)一步查詢這兩個(gè)運(yùn)動(dòng)車輛的大小、方差與均值（矩特征）差值是否保持在一個(gè)范圍內(nèi)，若小于某一閾值，則認(rèn)為它們是同一輛車，反之認(rèn)為當(dāng)前車輛是剛進(jìn)入檢測(cè)線的新車輛，進(jìn)一步查詢它的遮擋狀態(tài)，根據(jù)遮擋情況，增加車輛計(jì)數(shù)值，達(dá)到統(tǒng)計(jì)出車流量的目的。 68 運(yùn)動(dòng)目標(biāo)分片跟蹤 報(bào)告內(nèi)容 1 2 3 4 馬爾可夫隨機(jī)場(chǎng)分割 全局運(yùn)動(dòng)估計(jì) 車輛檢測(cè)與跟蹤 5 圖像超分辨率重建 69 ?超分辨率重建的概念 超分辨率重建 (superresolution reconstruction)是指：從單幀或一序列低分辨率圖像 (LR)復(fù)原出一幅或一序列高分辨率圖像 (HR)， HR圖像有著更高的細(xì)節(jié)信息和更好的主觀質(zhì)量。 LR序列 HR圖像 70 圖像超分辨率重建的必要性 攝像機(jī)在空間上的分辨率能力是有限的。圖像分辨率受攝像機(jī)感光陣列的空間密度及其本身引入的模糊誤差、運(yùn)動(dòng)模糊、下采樣、噪聲等因素，導(dǎo)致實(shí)際拍攝圖像的質(zhì)量較差、分辨率低。因此有必要提高一定的重建算法來提高圖像的分辨率，改善圖像質(zhì)量。 物體 鏡頭 感光陣列 物體成像過程： 71 ?圖像超分辨率重建的理論基礎(chǔ) 傅立葉光學(xué)理論中把成像系統(tǒng)看成是一個(gè)低通濾波器，在成像過程中會(huì)丟失高
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1