最后的猎鹿者
作者:郑嘉 赵润
多维度来源:《物联网技术》2017年第04期
摘 要:视频中的目标检测与跟踪是视频行为分析与行为识别的技术基础,该论文介绍了近10年来主流目标检测技术和目标跟踪技术的主要成果,对比了主流目标跟踪和目标检测技术的性能,并介绍了这两项技术的未来发展方向。
关键词:视频信息;目标检测;目标跟踪;行为识别;行为分析
中图分类号:TP391 文献标识码:A 文章编号:2095-1302(2017)04-00-03
旱榆 0 引 言
在视频中人或运动物体行为理解的整个流程中,运动目标的检测与跟踪非常关键。通常一个视频监控系统大体可分解为四个不同的功能单元,即目标检测,搜索系统感兴趣的目标区域;目标跟踪,捕获感兴趣区域的运动轨迹;目标分类,将被跟踪目标分为人,汽车或其
他移动物体;目标行为识别,对跟踪目标进行行为识别。目标检测作为视频监控的前提,属于低层次的视觉问题,目前己有多种较为成熟的算法。而目标跟踪作为视频监控最基本的功能属于中等层次的视觉问题,是当前制约视频监控系统性能的主要瓶颈之一。
1 主流的目标检测方法介绍
背景分割法适用于运动场景固定且比较简单的场合,通过建立背景模型,用图像序列的特征参数与背景模型比较,分割出背景和前景,从而得到运动对象。背景差分图像的主要原理是通过现有图像对比已知背景图像,且背景图像中不含任何感兴趣的对象,是背景模型[1]。该对比过程被称为前景检测。该过程将观测图像分为两个互补的像素集合,可覆盖全部图像,包括感兴趣的运动对象及前景与前景的补集,即背景。 wj-600 背景减除法最大的缺陷是,没有成熟和高性能的规则来定义前景区域和对象,因此其使用范围受限。有许多背景减除算法是针对特定需求提出来的,因此对模型和分割策略也提出了特殊要求。如文献[2],它必须适用于平缓或快速的光照变化,场景运动变化,复杂2012cctv民族器乐电视大赛
的背景或背景变化。由于部分场合要求由硬件承担背景减除功能,因此算法负载成为最基本的要求。对于户外视频监控系统而言,算法对噪声的鲁棒性以及算法对光照变化的适应能力是最基本的要求。楚雄师范学院学报