●■●■_●●●—■■_■●—■●■■■_●_-_-_-__●●●___■_■—■■■●■■■____■●■●■●_■●●●—■●●■_—●-______--_—-___●■_●■●■■一IIII●■_■■■■■■____■●_●_●-■●●●-_■■■-●●__■■●■■■—一 模式识另U与仿真 《自动化技术与应用》2011年第30卷第1l期消声室制作
自动上料系统
梅江元,司玉林,高会军
(哈尔滨工业大学智能控制与系统研究所,黑龙江哈尔滨150080
摘要:跨摄像头运动lj标跟踪足f|前智能I删络监控的一个重点研究力‘阳。本文白‘尢提出J,一种局郑背景更新法,有效地解决了背景 更新的稳定性与,F滑性等问题;其次,本文提}H r一种基于自适应阈值的运动目标提取方‘法,同时通过形态学滤波有效地去除 了提取门标时的噪声干扰与空洞问题;最后,文章提出了1种基于YC 时加入rj|,-移因子,在测试集合中得到了非常好的匹配性能。
蓝牙手咪关键词:跨摄像头;运动目标测;直方图l,‘配;运动11标识别
中图分类号:TN919.7,TP391.4文献标识码:A 文章编号:10037241(201111—0043-04
Moving Targets Detection and Recognition Across Multiple Widely Separated Cameras
MEI Jiang-yuan,SI Yu-lin,GAO Hui-jun
(Research Institute of Intelligent Control and Systems,Harbin Institute ofTechnology,Harbin 150008China Abstract:Multi—camera tracking is a key research direction of intelligent network monitoring.Firstly,this paper proposes a method based on local background updating,it effectively solves the problems of time—delay and instability.Secondly,a moving object extraction method with adaptive threshold is put forward in this work,and at the same time,morphological filtering is introduced into this algorithm to remove the disturbance and cavities in target extraction.Lastly,the work presents one
kind of
target matching strategy with statistical histogram,and it gives a very good matching perfo
rmance.
焊锡线Key words:multiple separated cameras;moving targets detection;histogram matching;moving targets recognition
1引言
在智能监控系统中,网络化监控已经成为一个非常 重要的方向,监控网络化所起到的作用不只是简单地多 增加几个摄像头,而摄像头之间的联系显得非常重要。 在未来的智能监控网络中将会根据实际情况采用不同 的摄像机,它们的视场有可能交织在一起,也可能彼此 的视场里没有重复区域。跨摄像头的运动目标跟踪不 仅有效地扩大了监控的视野,同时也能对运动目标在整 个监控区域内的行为有着更加清晰的把握。文献【1】详 细介绍了摄像头之间有重叠视野的运动目标不同视点 之间的对应问题并取得了良好的性能,然而该方法对于 摄像头视野无重叠区域是不适用的。而本文介绍的跨
timev
收稿日期:2007—03-16 摄像头图像序列的运动跟踪正是应对没有重复视野的 运动目标检测与匹配问题。
图1所示是跨摄像头运动目标跟踪的一个框架图, 多台摄像机分别对自己视场中的目标进行检测提取并 跟踪,当某一摄像头视场中的目标离开视场时,就会根 据该目标的时空信息(比如出场区域,路线,速度通知 相关摄像机,被通知的摄像机从进入视场的候选目标 中进行识别匹配,继续对该目标的跟踪。在这个框架 下除了对运动目标简单的跟踪,跨摄像头的运动目标 匹配就显得尤为重要,然而运动目标的匹配离不开非 常准确稳定的运动目标分割提取,否则会大大降低识 别的可信度。因此,本文主要致力于解决两个问题,一 是复杂环境下的运动目标的准确分割,另一个是跨摄
“自动化技术与应用”2011年第30卷第11期 模式识另|J与t:8真
———————————————————————一Patle,n Recognit Jon and Si m
Jlation——一—— 像头运动目标的匹配。
-F
喈 ‘’函 民li盼-田, 随心-j
图1跨摄像机运动目标跟踪框架
2运动目标检测
2.1局部背景更新法
对于一个复杂的监控环境,往往是前景与背景同时 干预运动目标的检测,并且这些|jii景背景本身也随某些 因素发生着变化,比如光照的变化;运动目标与背景的关 系也不是一成不变的,两者有时也会互相转化,比如停 车场的车的停泊与启动,所有的这些都给运动目标检测 带来了许多困难。文献[2】提出了一种自适应背景更新 法,对克服背景的变化有较好的效果,但实验表明该方 法得到的背景往往会有许多噪声,其主要原因在于目标 与背景的交接处在背景更新处由于使用了有较大跃变 的权值,因而此交接处更新的背景往往不是很平滑。因 此,为解决这些问题,本文提出了一种自适应权值的局 部背景更新方法,通过对权值的估计,有效地解决了以 上问题。
在本文提出的算法中,自先粗略估计运动目标的位 置。如果仪仪足简单地使用帧间差估计得到的目标往 往会形成很大的空洞,为解决这个问题,本文采用了形 态学滤波器滤除空洞部分。这些被估计得到的目标区 域和其他部分区分对待,分别地进行更新:
J a^(J,j’:(r(D^(』,y,科 … IBk+l(x,y=口t(x,y,t(x,。+(1一口^(』,J】Bk(T,’ 、l 7
式中,.表示当前罔像,B为背景图像,背景更新的 目标就是由当前图像,.与当前背景0。来估计下一时刻 的背景图像B;…D。是由帧I'uJ差法和形态学滤波后估 计出的运动目标一值罔像,用来刻画当前时刻图像发生 剧烈变化的位置,而函数r(D。【』,¨则是当D。(』,y值 为0时该像素与J割围离得最近的D。(J,y为l的像素的 距离,而R丧示图像长宽中较小的仳,,值为一个口『调 系数,ff:I以上数据计算出的口。(』,Y即为自适应权值。 如果Dt(J,y值为1,则r(D^(』,』j值为0,即口^(J,J 值为0,表示此处可能存在目标,因而背景暂时不更新, 直到目标不再运动或离开此处时再更新此处背景,这样 可以对背景的移入移出的变化有很强的适应能力;’’值 D。(z,y为0时,认为此刻两帧图像没有剧烈变化,此时 即可更新背景,用来适应一些渐变过程,而自适应权值 吼(z,Y的引入则可使背景更新更加平滑。
2.2基于形态学的运动目标提取
在获取稳定的背景后,简单的背景差分法往往不能 得到完美的运动目标图像。影响目标分割的因素丰要 有两个,一是噪声的影响,二是目标颜有时会与背景 非常相似,这些都增加了目标分割与提取的难度。吲此 本文提出了一种自适应阈值的背景差分法与基于形态 学的运动目标提取,可以稳定地提取饱满的运动目标。 算法首先通过基于白适应阈值的背景差分法得到 包含目标的二值图像:
一。={:扩if 1I , 。k 。 (。 x , , ,y , -一 口B 。 k 。 (, x , , y , , i ; >, y ^。 。(。 x , , , y ; (:, A表示当前图像,.与当前背景图像口。的差分的二 值化图像,而此处起关键效果的就是自适应闯值 y。(z,,的选择。由于有些目标与背景的相似性很大, 比如运动目标在阴影中运动,这样的情况下,希望 y。(X,Y越小越好;而对于一般的背景,由于光照或噪声 引起了微小的变化,则希望此区域y。(T.y越大越好,这 样不易引进噪声。因此n可以被这样定义为 n t , .,,:a 冉 冉。。,f — I n f {}箍 11。 ,, 此式是用相戈性来求取闻值n(』,Y,式中m,” 表示模板大小,A为一个可调系数。如果当前图像和 当前背景在某一区域相关性很大时,表示这个罔像是 背景的可能性很大,y。(J,y为一个较大的值;而当丰u 关性较小时,表明此处发生了突变.运动目标出现的几 率很大,因而n(x,y较小,能充分满足以j:的要求。 注意此处计算中B.中最小像素值必须取为1,否则会 出现奇异点。
在得到二值化图像后,本文采J}j了形态学滤波法进
模式识别与仿真 巳皇!!皇!翼旦呈璺旦g旦!!!里旦垦旦g墨!盟垡!璺!!鱼旦
行滤波。首先提取所有的连通区域X,通过求取每个连
通区域的面积从中选取连通区域像素数量大于某一阈
纳米金粉
值的大连通区域的集合XB
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议