运动目标跟踪在军事制导,视觉导航,机器人,智能交通,公共安全等领域有着广泛的应用。例如,在车辆违章抓拍系统中,车辆的跟踪就是必不可少的。在入侵检测中,人、动物、车辆等大型运动目标的检测与跟踪也是整个系统运行的关键所在。所以,在计算机视觉领域目标跟踪是一个很重要的分支。
运动目标检测是运动目标跟踪的前提;运动目标检测,依据目标与摄像机之间的关系可以分为静态背景下的运动检测与动态背景下的运动检测。
一,静态背景下的运动检测:整个监控过程中只有目标在运动;主要包括以下几种方法。
1,背景差分法;整个监控过程中,需要不停地维护一个“纯背景”。对于任意一帧监控画面而言,将其与纯背景进行差分,从而得到出现在当前画面中的运动目标。该方法对光照变化、天气、背景变化比较敏感。而且,需要不停进行地依靠学习来维护一个纯背景画面。此外,背景的维护和更新,阴影去除等对运动目标的检测至关重要。
2,帧间差分法;通过相邻帧之间的差值计算,来获得运动目标的位置、形状等信息的方法。该方法对光照的适应能力很强,但由于运动目标像素上的相似性,从而不能完整地检测出运动目标。需要提醒的是,有研究人员将相邻帧间的差分进行改进,得到三帧