动态环境下视频举区的自动捕获与对焦技术研究.pdf

《动态环境下视频举区的自动捕获与对焦技术研究.pdf》由会员分享，可在线阅读，更多相关《动态环境下视频举区的自动捕获与对焦技术研究.pdf（64页珍藏版）》请在三一文库上搜索。

1、摘要 动态环境下视频兴趣区的自动捕获与对焦技术是计算机视觉领域非常重要 并且基础的一部分。本文针对背景图像的动态变化如天气、光照、阴影、树叶摆 动以及背景干扰的影响，提出了改进的目标捕获算法和聚焦评价函数，并基于双 摄像机系统实现了全景捕获并完成放大聚焦。论文主要工作如下： 首先，介绍了课题的研究意义和国内外研究现状。阐述了传统的运动目标捕 获方法和背景建模方法，并在此基础上提出了一种改进的运动目标捕获算法，有 效的捕获兴趣目标，并具有很好的抗噪声性。 其次，在深入分析了K a l m a n 滤波和C a m s h i i t 跟踪算法的基础上，通过将其 结合，提出一种基于颜色梯度背景差的

2、目标跟踪算法，该算法有效的解决颜色干 扰问题。 再次，介绍了本文所采用的双摄像头系统，论述了双摄像头间坐标的转换关 系，通过仿射变换矩阵确定P T Z 球机的旋转角度。本文介绍并分析了目前常用 的聚焦算法，窗口选择方法以及聚焦搜索策略，在此基础上提出一种改进的聚焦 评价函数，该函数具有运算量小，鲁棒性好的特点。 最后，综合分析了整个兴趣目标捕获与聚焦系统，介绍了实现的软硬件环境 并对不同目标进行了实验表明：本文所提出的双摄像机系统在目标捕获和自动对 焦上较好的实现了系统的鲁棒性与敏锐性的统一。 关键字：动态环境；颜色梯度；双相机目标捕获；自动聚焦 R e s e a r c ho nA u t

3、 oC a p t u r ea n dF o c u s i n go fI n t e r e s tV i d e o R e g i o nu n d e rD y n a m i cS c e n e A b s t r a c t T h et a r g e t c a p t u r ea n df o c u s i n gt e c h n o l o g yo fi n t e r e s tv i d e or e g i o nu n d e r d y n a m i cs c e n ei sv e r yi m p o r t a n ta n df u n d

4、 a m e n t a lt ot h ef i e l do fc o m p u t e rv i s i o n D u e t ot h ed y n a m i cc h a n g e so ft h eb a c k g r o u n d ，s u c ha st h ew e a t h e r , i l l u m i n a t i o n ，s h a d o w , l e a v e s , t h ei m p r o v e dt a r g e tc a p t u r ea n df o c u se v a l u a t i o na l g o r

5、 i t h ma r ep r o p o s e d B a s e do nt h ed u a l - c a m e r as y s t e m ，t h ew i d ev i e wc a p t u r ea n dz o o m - f o c u s i n go ft h e i m a g ea r er e a l i z e d T h ep a p e rm a i n l yc o n c l u d e st h ef o l l o w i n ga s p e c t s ： F i r s t I y t h es i g n i f i c a n

6、c ea n dt h es t a t u so ft h i st o p i ca r ei n t r o d u c e d T h e t r a d i t i o n a lm e t h o d so ft a r g e tc a p t u r ea n db a c k g r o u n dm o d e l i n ga r ed i s c u s s e d A n i m p r o v e dm o v i n gt a r g c tc a p t u r em e t h o di sp r o p o s e dw i t ha ne f f e c

7、t i v ea n dc a p t u r eo f i n t e r e s tt a r g e ta n dr o b u s tn o i s ei m m u n i t y S e c o n d l y , K a l m a nf i l t e ra n dC a m S h i f lt r a c k i n ga l g o r i t h ma r ei n t r o d u c e dw h i c h a r ec o m b i n e dt op r e s e n tat a r g e t t r a c k i n gm e t h o db a

8、 s e do nt h ec o l o rg r a d i e n t b a c k g r o u n dd i f f e r e n c e T h i r d l y , t h ed u a l - c a m e r as y s t e mi si n t r o d u c e d ，t h er o t a t i n ga n g l e so fP T Zc a m e r a a r ed e t e r m i n e db yt h ea f f i n et r a n s f o r m a t i o nm a t r i xa n dt h er e

9、 l a t i o n s h i po ft h e c o o r d i n a t e si sd i s c u s s e d T h i sp a p e ri n t r o d u c e sa n da n a l y z e st h et r a d i t i o n a lf o c u s i n g t e c h n o l o g i e sc o n s i s t i n go ff o c u s i n gw i n d o w , e v a l u a t i o nf u n c t i o na n ds e a r c h i n g s

10、 t r a t e g y A ni m p r o v i n gf o c u se v a l u a t i o nf u n c t i o ni sp r o p o s e dw i t hal o wc a l c u l a t i o n c o n s u m i n ga n dr o b u s t n e s s F i n a l l y , t h es y s t e mo fi n t e r e s tt a r g e tc a p t u r i n ga n df o c u s i n gi sc o m p r e h e n s i v e

11、l y a n a l y z e d ，t h es o f t w a r ea n dh a r d w a r ee n v i r o n m e n to ft h es y s t e mi si n t r o d u c e di n w h i c hd i f f e r e n tt a r g e t sa r et e s t e d T h ee x p e r i m e n td e m o n s t r a t e st h a tt h ed u a l c a r r l e r a s y s t e mh a sb e t t e rr o b u

12、 s t n e s sa n da n t i - i n t e r f e r e n c ea b i l i t y K e y w o r d s ：D y n a m i cs c e n e ；C o l o rg r a d i e n t ；D u a lc a m e r ao b j e c tc a p t u r e ；A u t o f o c u s i n g m 目录 摘要I A b s t r a c t I I 第一章绪论l 1 1 课题研究背景与意义。l 1 1 1 课题背景1 1 1 2 研究目的与意义2 I 2 国内外研究现状3 1 2 1 目标捕

13、获与跟踪技术研究现状3 1 2 2 自动聚焦技术研究现状6 1 3 论文的研究内容和结构7 第二章视频兴趣区目标捕获9 2 1 兴趣目标捕获9 2 1 1 帧间差分法9 2 1 2 背景差分法。= = = = 1 0 2 1 3 光流法1 l 2 2 背景维护1 l 2 3 基于颜色梯度的目标捕获算法1 3 2 3 实验结果分析1 4 2 4 本章小结1 5 第三章兴趣目标跟踪1 6 3 1 兴趣目标处理16 3 I I 基于H S V 空间的阴影去除1 6 3 1 2 特征提取1 8 3 2 兴趣目标跟踪2 0 3 2 1 卡尔曼滤波2 l 3 2 2 C a m s h i f i 跟踪算

14、法2 2 3 3 基于颜色梯度和K a l m a n 滤波的C a m s h i f i 跟踪2 4 3 4 实验结果与分析2 4 3 5 本章小结2 5 第四章双摄像头坐标标定2 7 4 1 双摄像头系统介绍2 7 4 2 双P T Z 摄像机坐标标定2 7 4 3 P T Z 仿射运动目标定位3 0 4 3 1 平移向量估计3 2 4 3 2 旋转角度估计一3 3 4 4 实验结果分析3 5 4 5 本章小结3 5 第五章基于图像的自动对焦3 6 5 1 聚焦窗口3 6 5 2 清晰度评价函数。3 7 5 2 1 传统聚焦评价函数3 7 5 2 2 改进的聚焦评价函数3 8 5 1 3

15、 聚焦搜索策略3 9 5 4 实验结果分析一4 l 5 5 本章小结4 3 第六章动态环境下目标捕获与对焦4 4 6 1 系统实现4 4 6 2 实验结果分析4 6 6 - 3 误差分析4 8 。 6 4 本章小结4 9 第七章总结与展望5 0 7 1 结论5 0 7 2 工作展望5 0 参考文献。5 2 致谢5 8 攻读学位期间的研究成果5 9 浙江理工大学硕士学位论文 1 1 课题研究背景与意义 1 1 1 课题背景 第一章绪论 随着视频压缩编码技术的逐步演进、I T 技术的蓬勃兴起，系统处理能力的 提升【l 捌，视频监控业务以其直观、方便和广泛的适用性而被越来越广泛地应用。 动态环境下视

16、频兴趣区的目标捕获与对焦技术作为计算机视觉的重要研究方向， 吸引着越来越多的研究者。 从上个世纪6 0 年代开始，计算机视觉开始走进研究人员的视野f 3 ，4 】，并在上 个世纪8 0 年代到达它的一次高峰，作为一门综合性极强的学科，它所涉及以及 应用的领域也是非常多样，如图1 1 在银行业【5 l 、交通行业【鲫、公共场所1 8 9 】、住 宅、以及小区内都存在着各种各样的智能化的监控设备 1 0 - 1 3 1 。 视频兴趣区的目标捕获技术和自动聚焦技术是进行智能视频监控的前提和 基础，如何能够正确的捕获兴趣区的目标，如何排除树叶摆动、光照变化、摄像 机抖动等因素的影响，准确的从场景中提取

17、出感兴趣的目标信息，是准确的进行 跟踪、自动聚焦的前提。如何从现有的算法的基础上，提出一种具有鲁棒性、适 应性强并且准确率高的目标捕获算法，同时在正确捕获目标基础上，如何能够持 续的对兴趣目标进行聚焦，并对目标进行跟踪，是目前商家和研究者追求的目标。 静态背景下的目标检测和跟踪技术已经趋于成熟，但大多数的视频监控系统摄像 头是运动的【1 4 1 ，即其背景不是固定的，而是随着运动目标的运动而做相应运动 从而使得目标一致处于视野中。并且现有的跟踪算法都是针对特定环境，特定情 况的，不存在一个算法适用所有场景，且目前的算法不能很好的解决遮挡、树叶 摆动、水面波动、光照突变等情况，并且在动态环境下能

18、够实时保证图像的清晰 也是目前研究中的一个难题之一。 对于许多的监控系统，安防系统以及智能交通应用中，低分辨率度量的单个 摄像头一般足够应用。目前传统的目标跟踪系统已经有大量的研究工作完成，但 是，有时候，在一些特定场合，我们需要跟踪某个目标，但是还要观察场景中的 其他目标，同时我们又希望看清楚感兴趣的目标，本文正是在上述背景的基础上 浙江理工大学硕士学位论文 提出来的。 1 1 2 研究目的与意义 图1 1 课题应用举倒 动态环境下视频兴趣区的目标捕获与对焦技术研究在多个领域都有着非常 重要的作用，比如：智能交通、某些公共场所、比赛现场、产品质量控制等。 当前诸如银行、监狱、公共场所、居民小

19、区等场所，都存在着不同配置的智 能监控系统，对于许多的监控系统，安防系统以及智能交通应用中，低分辨率度 量的单个摄像头一般足够应用。目前传统的目标跟踪系统已经有大量的研究工作 完成，但是，有时候，在一些特定场合，我们需要跟踪某个目标，但是还要观察 场景中的其他目标，同时我们又希望看清楚感兴趣的目标，并且，有时候，当我 们要对某块区域进行监控时，需要时刻的盯住屏幕，捕获视频信息，而我们要做 的就是解放这些工作人员，减轻他们的视觉疲劳，提高监控的智能化，提升监控 的效率，当我们需要看清楚目标时，我们同样可以做到。 为了达到这样的目的，我们要完成一个智能化的监控系统，而一个智能的监 控系统的首要任务

20、就是确定监控的对象，以及我们要捕获的目标，而要完成这一 浙江理工大学硕士学位论文 任务，第一步就是要完成视频区的背景建模，我们说目标捕获是智能监控系统的 基础，而背景建模是基础的基础。 视频兴趣区目标的捕获对于目标聚焦、跟踪等处理都是必不可少的，然而由 于背景图像的动态变化，包括：天气、光照、阴影、树叶晃动、水面波动等等干 扰，使得兴趣目标的捕获成为一项比较复杂的工作，正是如此，本文对视频兴趣 区的目标捕获进行了深入的讨论，并提出一种改进的目标捕获算法，和一个有效 的聚焦评价函数，这对智能化监控系统的发展具有非常积极的意义。 1 2 国内外研究现状 动态环境视频兴趣区的自动捕获与对焦技术研究是

21、计算机视觉、数字图像处 理的重要研究内容。下面介绍目前国内外对目标捕获和自动对焦技术的发展现 状。 1 2 1 目标捕获与跟踪技术研究现状 由于国际上一些诸如I C C V ( I m i t a t i o n a lC o n f e r e n c eC o m p u t e rV i s i o n ) 、 C V P R ( I E E EC o m p u t e rS o c i e t y C o n f e r e n c e C o m p u t e r V i s i o na n dP a t t e r n R e c o g n i t i o n ) 、E C

22、 C V ( E u r o p e a nC o n f e r e n c eo nC o m p u t e rV i s i o n ) 等重要学术会议和 C V I U ( C o m p u t e rV i s i o na n dI m a g eU n d e r s t a n d i n g ) 、I J C V ( I n t e r n a t i o n a lJ o u r n a lo f C o m p u t e rV i s i o n ) 、P A M I ( I E E ET r a n s a c t i o n so nP a R e r nA n

23、 a l y s i sa n dM a c h i n e I n t e l l i g e n c e ) 等权威期刊【1 5 - 1 7 1 均将目标捕获与跟踪方面的研究作为其主要内容之 一，所以涌现出了大量有关目标检测与跟踪的算法。 目标捕获与跟踪技术主要应用是在监控领域：如( 1 ) 智能交通系统包括十 字路口、高速公路和铁路掣埔】交通监控预警系统：( 2 ) 公共场所，比如：银行、 超市、百货商场以及停车场等对行为分析 1 9 , 2 0 1 和异常情况检测系统；( 3 ) 赛场上 对球员的监控2 1 1 和跟踪录制技术；( 4 ) 生产车间对产品的质量监督【2 2 】：( 5

24、) 军 事上对目标的跟踪和对战场的监控等等。 和国外的研究工作对比，国内起步相对较晚。但是随着我国视频图像序列分 析技术、计算机视觉技术、人工智能技术的发展，再加上政府的支持以及国际上 的影响力为运动目标检测与跟踪这项技术的研究提供了研究人员所需要的经济 浙江理工大学硕士学位论文 和技术支持。到目前为止，很多国内重点高校都开展了该领域的理论和应用研究， 尤其是对各个场景的运动目标检测与跟踪的行为这方面的研究。中科院北京研究 所设计了一个交通监控原型系统V S t a r ，对边界遮挡具有很好的鲁棒性，对斑马 线上由于光线产生的各种干扰也有很强的实时性与稳定性，并且为运动目标检测 与跟踪相应领域

25、的理论算法和系统实现奠定重要基础。 目前，目标捕获技术相对比较成熟，从国内外来看，目前最常用的目标捕获 算法有三种，他们各自都有其优缺点： 1 帧间差分法 2 3 ，2 4 1 ：是最简单的目标捕获算法，它通过前后两相邻帧图像像 素灰度值的变化来捕获兴趣目标，但是该方法只能捕获目标的轮廓，不能表现图 像细节，差分后的图像容易存在空洞。V S A M 项目1 7 1 运_ 用了一个改进的时间差分 法，就是差分三个相邻帧。并且与自适应的背景差分法相结合。对动态环境的适 应性很强，但容易在前景目标内产生空洞。 2 光流法【2 7 1 ：将空间的运动场就表示成了图像上的光流场，算出图像中的 光流值，捕

26、获目标。光流法是随后处理所需要的先决条件，该方法的优点是在摄 像机运动存在的情况下也能检测出独立的运动目标。该方法计算复杂，并且抗噪 能力较弱，仅适用于具备特殊硬件环境下使用。 3 背景差分法【2 8 ，2 9 1 ：将前景图像与背景图像做差，通过设定的阈值判断像 素属于前景或者背景，捕获目标。E l g a m m a l 等提出了非参数模型【2 9 1 用于检测运 动目标前景，该方法的实用性非常不好，是由于处理速度比较慢。H a r i t a o g l u 3 0 1 提出的建模并定时的做背景更新的算法检测效果很好。该方法是最常用的目标捕 获方法，但是利用该方法有一点需要特别注意，就是

27、背景的维护问题，下面对其 进行分析。 麻省理工学院的P f i n d e r 【3 1 i 在1 9 9 7 年提出单高斯模型进行背景建模，随后 S t a u f f e rC 又提出混合高斯模型【2 5 】( G M M ) ，后面国内外又有许多人对混合高斯 模型进行改进，另外，如果不考虑计算的复杂程度，非参数的统计模型具有不错 的目标检测效果【2 9 l 。另外，国内外有许多著名的期刊、会议【2 ”2 】也都有对目标 捕获技术做了大量工作，这里就不再一一赘述。国内的市场上，普遍来说浙江大 华、海康威视等安防的带头企业仍然采用高斯混合模型来进行背景建模，足可以 看出该算法的经典，以及实用

28、性。 4 浙江理工大学硕士学位论文 捕获后的运动目标需要有后续的处理比如目标跟踪，行为分析等，下面就 目标跟踪的国内外发展情况做个大致的介绍。 兴趣目标进行目标捕获后，对其进行自动聚焦，之后要对兴趣目标进行跟踪， 跟踪的同时依然要通过自动聚焦保持目标的清晰，跟踪等价于连续的图像帧间创 建基于位置、速度、形状、纹理、色彩等有关特征的对应匹配问题，文献【3 2 3 3 】 将跟踪分为四类：( 1 ) 基于区域的跟踪，其思想是首先得到包含目标的模板，然 后在序列图像中运用相关的跟踪方法跟踪目标，该方法在目标未被遮挡时，跟踪 的精度非常高，而且比较稳定，但是比较耗时，特别是跟踪较大目标时。因此适 用于

29、跟踪较小的目标；( 2 ) 基于特征的跟踪，一般也采用相关算法，与第一种的 差别在于，其使用目标的某个或某个局部特征作为相关的对象，它的特点是实现 简单，K a l m a n 滤波别3 4 3 5 1 可以用来预测目标在下一帧可能出现的位置，目标定 位时只需要在预测位置淋浴进行较少的目标模板和候选目标的相似性检测就可 以确定目标在下一帧的位置。但是K a l m a n 滤波的适用范围非常有限，对目标的 运动状态要求苛刻【3 6 1 ，且很难用于非刚体目标的跟踪；( 3 ) 基于模型的跟踪1 2 1 】， 通常有三种形式的模型，即线图模型、2 D 模型和3 D 模型，实际中采用的多是 3 D

30、 模型，其思想首先根据先验知识得到目标的三维模型和运动模型，然后根据 图像序列确定目标的三维模型参数，适用于刚性和非刚性的目标跟踪，不受视角 先影响，有较强的鲁棒性，但计算量大，运动分析的精度取决于模型的精度，实 时性差；( 4 ) 基于活动轮廓的跟蹦3 7 ，3 蚋，为目标手划一条封闭曲线，通过变形主 见与图像中的真实目标相适应，从而检测跟踪运动目标，相对于区域跟踪方法， 该方法计算量小，但是初始化轮廓是算法的关键，而且不容易做好。 C o m a n i c i uD t 3 8 3 9 l 在2 0 0 0 年提出的非刚体实时跟踪算法M e a n s h i f t 算法取 得了很大成

31、功。在目标跟踪领域吸引了越来越多的研究兴趣。在此基础上，众多 新颖的改进算法不断涌现。Z h a o 4 0 】提出一种改进的M e a n s h i f i 算法以解决巴式系 数对光照引起的颜色模型变化敏感的问题。H a n 4 1 】等提出一种序列和密度近似的 方法，在线估计并更新模型中高斯核的均值向量和协方差矩阵。P a r k 4 2 l 将 M e a n S h i f l 与置信传播结合起来，用来进行多目标跟踪和关节人体跟踪。C o l l i n s 等将尺度空间理论和M e a n s h i f l 结创”】以解决传统的不能自适应变化核函数带宽 的缺陷。Y i l m a

32、 z 1 8 】引入了一种改进的L e v e lS e t 函数作为非对称的核函数1 1 4 】，该 S 浙江理工大学硕士学位论文 方法能够跟踪具有复杂形状的目标。目前常用的跟踪方法为连续自适应均值漂移 ( C a m s h i f l ) 跟踪算法f 3 3 ，4 4 1 ，该算法选取目标颜色直方图作为其个体特征，具有 较好的实时性且能够较好的解决目标变形，但是在跟踪过程中容易受到与运动目 标相似颜色特征的干扰物干扰。因此如何解决目标跟踪方法所涉及的实时性、稳 定性、鲁棒性的问题仍然是当前计算机视觉研究中的关键点和难点。 1 2 2 自动聚焦技术研究现状 在正确捕获兴趣目标后，我们将进行

33、目标对焦，由于在本课题研究中，采用 双摄像头实现，所以相机的位置标定也是一个需要重点关心的问题之一。H e i k k i l a 和O S i l v e n 4 5 1 1 9 9 7 年提出一个四步标定相机的算法，在更早的时候，R Y T s a i 4 6 】 也曾提出过一种对于3 D 视觉通用的相机标定技术。当然，国内也有一些学者在 相机标定上取得一定的成绩【4 7 4 射。 自动聚焦技术目前发展较为成熟，但仍然不可避免的存在着一些需要解决的 问题，现在许多将自动聚焦技术嵌入到硬件中去，这样不仅仅可以提高聚焦的速 度，而且也使设备更加的一体化。自动聚焦主要包含三部分内容：聚焦窗口的选

34、 取、聚焦函数的选择和搜索策略的选择。 聚焦窗I ：1 的选取方法主要包括：固定选窗方法【4 9 l 、半自动选窗方法 5 0 l 、全 自动选窗方法【5 。国内外的清晰度评价函数一般可分为时域和变换域两类。聚 焦好的图像灰度层次明显，从统计学角都解释为整体灰度方差大。这里面，最经 典一些算法譬如J a r v i s 5 2 1 提出的灰度差分绝对值算子和罗伯特算子，N a y a r 5 3 1 提 出的拉普拉斯算子。从频域上讲，离散余弦变换 s 4 , s s 在完成聚焦上也有着不错的 效果，因为图像的是否清晰取决于图像的边缘细节是否突出，边缘细节的突出又 取决于图像的高频分量是否够大，

35、因此离散余弦变换具有一定的适用性， M a l l a t i S s , s 7 禾l J 用小波变换来提取图像的边缘特征完成图像的清晰度评价。事实上， 图像聚焦的成败并不完全取决于聚焦评价函数，对于不用的设备、不同的环境以 及不同的需求，可以给出不同的解。从整体上讲 5 s , 5 9 ：一个好的聚焦评价函数， 具备如下特点：单峰性、峰值两侧单调性好、实用性、易实现、精度高。 聚焦搜索算法【l 主要包括：F i b o n a c c i 搜索、爬山搜索算法等。F i b o n a c c i 搜 索的具体实现是：在搜索长度和精度确定后，利用F i b o n a c c i 函数计算步

36、长，根 6 浙江理工大学硕士学位论文 据实验点的函数值重复选择左右的其他试验点，直到满足精度。该搜索算法的优 点在于取样点占存储量少，能对不确定区间进行预测，但是反复次数较多。爬山 搜索算法的原理是因为图像在聚焦时，清晰度评价函数曲线【6 1 】在相应位置取得 极大值，镜头偏离聚焦面时，函数值递减，所以爬山搜索算法是镜头在初始位置 先采集一帧图像计算其评价值，以一定的步长沿某一方向移动，计算第二帧的函 数值，比较函数值大小，决定移动方向，若呈减少趋势，则表明已经跃过函数的 峰值，即最佳位置，则镜头反转方向并减小移动步长。循环以上步骤，直到满足 聚焦精度。 由于图像不可避免的要受到噪声干扰，清晰

37、度评价函数曲线会出现多极值现 象，如何使搜索算法不陷入局部极值点是聚焦研究的重点。在一些设备中，为了 减少器械的回程差，提高精度，要尽量避免镜头及电机的来回运动，同时为了满 足实时性要求，减小计算量势在必行。针对这种情况，本文提出一种改进的聚焦 函数评价算法来解决图像的实时性聚焦问题。 1 3 论文的研究内容和结构 动态环境视频兴趣区的自动捕获与对焦技术研究具有非常强的实用性和重 要的研究价值，对安防以及智能监控系统具有重要的实际意义，本文主要是利用 计算机视觉技术对视频兴趣区的目标进行有效捕获，同时利用双摄像机系统，相 机l 用于完成目标的捕获、跟踪工作、并传递参数给相机2 ，相机2 完成目

38、标的 定位、并将目标放大聚焦，使其清晰化。 本文结构安排如下： 第一章，论述了动态环境下视频兴趣区的目标捕获技术与自动聚焦技术的应 用背景、研究意义等，并对国内外的研究现状做了简要的介绍，同时安排了论文 的整体结构。 第二章，介绍了3 种常用的运动目标捕获算法：帧间差分法、光流法、背景 差分法、并介绍了背景建模方法。在此基础上提出了一种改进的目标捕获算法。 第三章，首先介绍了捕获兴趣目标后的一些处理，并介绍了目前比较常用的 跟踪算法，K a l m a n 滤波，C a m s h i f i 跟踪算法，通过将其结合，并利用颜色梯度 背景差法取得初始跟踪目标，完成兴趣目标的跟踪过程。 7 浙江

39、理工大学硕士学位论文 第四章，介绍了本文实现的系统：双摄像头系统，并介绍了双摄像头之间的 坐标关系、坐标之间的转换，以及利用仿射矩阵对P T Z 相机进行估计定位。 第五章，介绍了目前常用的自动对焦方法，包括窗口的选择、聚焦函数的选 择、搜索策略的选择，并在此基础上，提出一种改进的聚焦评价函数I F F 。完成 目标的自动聚焦工作。 第六章，总体上介绍了本文的系统实现部分，介绍了系统实现的软件环境、 硬件设备以及P T Z 相机的参数，对本文提出的方法进行实验，并对实验结果进 行分析。 第七章，首先对本文的研究工作做了客观的评价，并客观的对本课题设计的 不足进行分析，对下一步的研究工作和方向做

40、一个可行性的引导。 浙江理工大学硕士学位论文 第二章视频兴趣区目标捕获 视频兴趣区的运动目标捕获技术是数字图像处理技术的一个主要部分，是智 能监控系统的前提，目标捕获是指在视频帧图像序列中判断兴趣区是否有前景目 标出现，如果有，则对目标进行初始定位的检测过程。运动目标捕获处于智能监 控系统的底层，是其他高级应用如目标识别、目标分类、目标跟踪和行为分析的 基础，因此兴趣区的目标捕获对于智能监控系统来说至关重要。 通常，一个鲁棒的目标捕获算法应该具备以下特征： 1 在多种场景下都是鲁棒的； 2 对天气变化是鲁棒的； 3 对环境光线的变化是鲁棒的； 4 能处理大面积区域的运动目标的叠加； 5 能有效

41、的抑制背景噪声干扰，如树叶摆动、波浪浮动等； 本章主要论述传统捕获算法以及背景维护和本文改进的目标捕获算法。 2 1 兴趣目标捕获 每个目标跟踪算法都需要在视频中目标出现在兴趣区的时候有一个鲁棒的 目标检测系统。兴趣目标捕获常用算法有三种： 帧间差分法：基于时间序列的前后帧图像进行差分得到目标的轮廓。 背景差分法：基于图像和背景模型的减法，完成目标的检测。 光流法：对视频帧的光流进行分析，通过合并相似运动矢量检测目标。 2 1 1 帧间差分法 帧间差分法是最简单的目标捕获算法，它通过前后两相邻帧图像像素灰度值 的变化来捕获兴趣目标。 D = I 五( x , y ) - f 。( x ，y )

42、 I 2 - ( 1 ) 尺c x ，y ，= 1 0 ，i f 。之：三二三 2 c 2 ， 9 一塑垩里三奎兰堡主堂堡笙茎 一一 一。 图2 1 帧间差分效果图 帧间差分具有很好的鲁棒性，具有较强的环境适应性，但是它的不足之处在 于只能捕获到目标的边缘，对于目标的细节不能完整得到，而且容易在目标内产 生空洞，而且，帧间差分对于运动速度过于缓慢的目标效果不好。 2 1 2 背景差分法 背景差分可以较完整的捕获兴趣目标，因此在实际应用中，许多地方都用该 方法进行目标捕获，下式为典型的背景差分法。 q ：I 厶( 矗y ) 一B ( 五y ) l 2 ( 3 ) 删= 1 , i f ( D 蹬

43、 2 - ( 4 ) 式中，五为第k 帧，B 为背景帧。通过2 一( 3 ) 计算得到差分图像，利用2 - ( 4 ) 进行二值化，得到目标的如图2 2 ，这里为了效果明显，程序中将背景置O ，前 景不变： 图2 2 背景差分法 背景差分法实现也比较简单，对静态场景下的运动目标比较有效，但是对于 光照特别敏感。 I O 浙江理工大学硕士学位论文 2 1 3 光流法 光流法最初是由美国学者H o r n 和S c h u n c k 提出的，H o r n 和S c h u n c k 首先假 设光照不变约束，在空间中，运动场可以描述运动，而在图像中，运动通常是用 图像序列中不同灰度分布来体现的

44、。因此，空间的运动场就表示成了图像上的光 流场，检测结果如图。 图2 3 光流法效果图 光流法不仅捕获运动目标，同时携带丰富的三维结构信息，具备在无任何信 息的前提下检测到运动目标，但是，该算法计算十分复杂，并且运算量庞大，不 能满足实时处理，并且对噪声非常敏感。 2 2 背景维护 一个鲁棒的背景是目标捕获的基础，没有好的背景模型，我们就没办法准确 的提取兴趣目标，也没有办法对目标进行跟踪，因此背景维护至关重要。 实际监控场景中，背景是不断变化着的，由于背景分布是多峰的，所以利用 多个单高斯模型对背景进行描述，即为高斯混合模型( G M M ) 。 定义K 个高斯模型来表示像素的状态，K 值体现峰值分布的个数