基于稀疏光流算法的运动目标检测研究

来源:用户上传      作者:

　　摘 要
　　针对稠密光流法运算量大、计算时延大的问题，本文基于稀疏光流法，对目标运动物体的图像预处理、角点提取、稀疏光流场计算等处理进行了分析研究，给出了运动目标检测的实现方法。
　　关键词
　　稀疏光流;目标检测;图像处理
　　中图分类号： TP391.41;TP183         文献标识码： A
　　DOI：10.19694/j.cnki.issn2095-2457 . 2020 . 08 . 50
　　0 引言
　　运动目标检测是指从视频图像序列的背景中识别并提取出运动目标的过程。目前广泛应用于图像检索、视频监控、无人机监测跟踪、自动瞄准、虚拟现实等场景。运动目标检测算法主要包含帧差法、背景法、光流法以及一些融合算法。
　　光流指的是视频图像上像素点之间灰度值的变化，由可位移值除以时间差求得，即运动物体的瞬时速度。分析的场景中，背景图像基本处于静止状态，而目标物体处于运动状态，因此可由运动物体和背景之间的光流信息差异来确定运动物体的位置，从而实现运动目标的检测。光流法可分为稠密光流和稀疏光流两种，二者的二維矢量的疏密程度不同。稠密光流需计算图像中所有的像素点的瞬时速度，因此准确率高，但数据量大、计算时延大;稀疏光流只需计算运动目标特征点的光流矢量，所以运算量小，计算速度快，但准确率较稀疏光流法低。然而稀疏光流法基于时延小、对噪声不敏感的优点，被广泛用于多目标的场景。本文着重介绍稀疏光流法。
　　1 稀疏理论
　　信号稀疏表示的基本思想是用较少的信息去表达大部分或全部的原始信号。具体的稀疏表示过程为：首先通过字典学习产生字典;再对输入信号进行稀疏分解，从而得到信号相对于字典的稀疏表示。经过稀疏表示的信号由于数据量变少，信号处理时延较小且效率高。
　　1.1 稀疏模型
　　3 总结
　　本文对比了稠密光流和稀疏光流两种算法的优缺点，重点介绍稀疏表示原理，以及对图像序列进行预处理、特征点提取、稀疏光流场计算的过程。本文对稀疏光流法及运动目标检测的研究还有待深入，希望今后的研究能使得此类检测系统在准确性和实时性上得到改善。
　　参考文献
　　[1]韩征彬.智能视频监控系统中的人群异常行为检测算法研究[D].长春：长春理工大学，2019.
　　[2]张淑芳.基于稀疏光流场的序列图像分析研究[D].天津：天津大学机械工程学院，2003，22-31.
　　[3]公衍慧，庄晓东.基于特征点稀疏光流场的视频图像背景建模方法[J].青岛大学学报 （工程技术版），2015，30（4）：53-57.
转载注明来源:https://www.xzbu.com/8/view-15205523.htm