论文摘要
基于图像序列的运动目标检测是计算机视觉领域的一个重要研究课题,将运动目标从实时变化的背景中快速地、准确地分离出来是对图像序列进一步分析处理的关键。其中固定摄像机下图像序列的运动目标检测已在现代社会中的军用和民用领域内得到广泛的应用。目前,运动背景下的运动目标检测已成为新的研究热点。本文对运动背景下基于单目视觉的背景运动补偿技术及运动目标检测技术做了深入研究。针对摄像机运动引起的运动背景问题,提出了一种基于特征块的改进RANSAC&LS算法,利用鲁棒统计的方法进行全局运动估计实现背景运动补偿。首先结合图像处理基本理论及运动背景的特定环境设计圆形匹配模板提高块匹配的准确性,并采用预检测方法精选特征块,缩短匹配时间;然后运用鲁棒统计算法——随机抽样一致性(RANSAC)剔除运动目标区域内的特征块以及误匹配的特征块,利用最大类间方差阈值确定参与最终模型参数估计的特征块对;最后使用最小二乘法(LS)得到全局运动估计参数实现背景的运动补偿。实验表明该算法对于发生平移、旋转变化的场景,能达到较好的背景运动补偿效果。在目标检测过程中,分别利用单目视觉下基于灰度的连续帧间差分法和对称差分法实现了目标检测。仿真实验的结果验证了运动背景补偿算法的有效性,以及运动背景下基于运动补偿的目标检测的可行性。在运动目标区域较大或目标区域灰度分布较均匀的情况下,针对连续帧间差分会出现不连通的目标区域以及目标内部会出现较大孔洞的问题,提出了运动背景下的一种新的运动目标检测算法。