matlab仿真光流法目标检测与跟踪,先验信息光流法在运动目标检测中的应用

0引言运动目标智能跟踪检测技术是一种对监控视频中运动目标的状况进行跟踪检测、统计和分析的技术。通过运动目标智能跟踪检测技术不仅可以锁定军事侦察领域内的地面运动目标,还可以对当前环境状况进行分析、判断,因此,被广泛研究。传统光流法对运动目标进行检测存在一些不足。例如:光照的变化会引起光流场的变化,导致检测环境存在大量干扰信息。所以分析运动目标所在的环境、道路结构对目标的检测有着重要的作用。因此,结合道路结构及其先验信息对运动目标进行检测,可以达到去除干扰的目的。本文提出了一种结合先验信息的光流检测方法,该方法在车辆智能跟踪过程中,首先应用区域生长法获取的道路先验信息初步确定运动目标的大致范围的方法,其次利用光流法对运动的目标进行检测与处理。通过上述方法可以有效地解决传统光流法在现实应用中易受道路环境干扰的问题。1光流法检测原理传统光流法的基本思想是三维空间运动的目标,其三维速度矢量在投影平面上具有二维速度场矢量。此二维速度场不仅包含着被观察物体的运动信息,而且包含着相关景物的三维结构信息。在二维投影面上通过求解光流方程,找到二维速度矢量场,进而重构出三维物体的运动信息,并最终检测出运动目标。图1传统光流法原理图1中以x,y,z为坐标系的三维空间中的物体A在以h,v为坐标系的二维空间中具有相应的投影图像B,当空间中的三维物体A运动时,二维平面上投影的图像B也相应产生运动矢量。当存在于三维空间中的物体A以位移矢量d1从位置a1移动到a2点时,在二维投影面的投影B也以运动矢量d2由b1移动到b2,这个位置的相对变化矢量d2就是光流。给二维图像中的每一个像素点赋予一个速度矢量,形成一个光流矢量场[1]。每帧视频可以看作是一幅图像,引入时间点则像素点P(x,y)的灰度值为I(x,y,t),时间点t+t的视频帧为I(x,y,t+t),当t0,则可以认为这两帧中对应的像素点灰度不变。图像的光流场包含两个分量,引入光流的平滑性约束:(1)利用松弛迭代方程进行求解,令平滑约束项得到最小值,就可以得到该幅图像的光流场[2]:(2)(3)图像运动以一个像素点为中心的窗口为范围,小空间领域内图像的光照是连续的,光流方程在像素点周围的窗口内均是成立的。假设在小空间领域上运动矢量保持恒定,使用加权最小二乘法估计光流。则在小空间领域上,光流估计误差为:(4)其中W(x)是窗口权重函数,其使得邻域的中心部分对约束产生的影响比外围部分更大。设:(5)(6)误差的解可以由式(7)给出:(7)在某个特定的时刻t的n个点xi,有:(8)(9)(10)于是:(11)在实际应用中对运动目标利用光流法进行检测时,由于道路上存在大量的标志信息如保护杆、道路白线等,导致当前帧图像梯度计算较大,使得运动目标与干扰物的光流信息无法被分辨,从而无法将运动目标与背景图像区分开来。理论上,传统光流法不需要预先知道场景的任何信息即可检测出运动目标,同时可以很精确地计算出运动目标的速度、方向等运动信息。但传统光流法的缺点在于当外部照明条件发生变化(如室外云彩遮挡天气变化、室内照明变化等),即使目标没有处于运动状态,仍然有光流产生。类似的噪声严重影响了光流法的精确度。另外,光流法所采用的迭代算法计算量大、算法复杂,相应的硬件条件要求也非常高。图2直接运用光流法得到的光流场图2展示了传统光流法处理道路上运动目标的效果。在道路白线、保护杆等处由于图像梯度较大,形成了明显且数量众多的干扰信息,在图2中出现的干扰性极强的光流信号,严重影响了目标的识别。可见在运动目标检测中直接应用光流算法存在着明显不足。3结合先验信息的运