基于稀疏光流算法的運(yùn)動(dòng)目標(biāo)檢測(cè)研究

歐陽(yáng)玉梅

摘 要

針對(duì)稠密光流法運(yùn)算量大、計(jì)算時(shí)延大的問(wèn)題，本文基于稀疏光流法，對(duì)目標(biāo)運(yùn)動(dòng)物體的圖像預(yù)處理、角點(diǎn)提取、稀疏光流場(chǎng)計(jì)算等處理進(jìn)行了分析研究，給出了運(yùn)動(dòng)目標(biāo)檢測(cè)的實(shí)現(xiàn)方法。

關(guān)鍵詞

稀疏光流;目標(biāo)檢測(cè);圖像處理

中圖分類(lèi)號(hào)： TP391.41;TP183 ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A

DOI：10.19694/j.cnki.issn2095-2457 . 2020 . 08 . 50

0 引言

運(yùn)動(dòng)目標(biāo)檢測(cè)是指從視頻圖像序列的背景中識(shí)別并提取出運(yùn)動(dòng)目標(biāo)的過(guò)程。目前廣泛應(yīng)用于圖像檢索、視頻監(jiān)控、無(wú)人機(jī)監(jiān)測(cè)跟蹤、自動(dòng)瞄準(zhǔn)、虛擬現(xiàn)實(shí)等場(chǎng)景。運(yùn)動(dòng)目標(biāo)檢測(cè)算法主要包含幀差法、背景法、光流法以及一些融合算法。

光流指的是視頻圖像上像素點(diǎn)之間灰度值的變化，由可位移值除以時(shí)間差求得，即運(yùn)動(dòng)物體的瞬時(shí)速度。分析的場(chǎng)景中，背景圖像基本處于靜止?fàn)顟B(tài)，而目標(biāo)物體處于運(yùn)動(dòng)狀態(tài)，因此可由運(yùn)動(dòng)物體和背景之間的光流信息差異來(lái)確定運(yùn)動(dòng)物體的位置，從而實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)。光流法可分為稠密光流和稀疏光流兩種，二者的二維矢量的疏密程度不同。稠密光流需計(jì)算圖像中所有的像素點(diǎn)的瞬時(shí)速度，因此準(zhǔn)確率高，但數(shù)據(jù)量大、計(jì)算時(shí)延大;稀疏光流只需計(jì)算運(yùn)動(dòng)目標(biāo)特征點(diǎn)的光流矢量，所以運(yùn)算量小，計(jì)算速度快，但準(zhǔn)確率較稀疏光流法低。然而稀疏光流法基于時(shí)延小、對(duì)噪聲不敏感的優(yōu)點(diǎn)，被廣泛用于多目標(biāo)的場(chǎng)景。本文著重介紹稀疏光流法。

1 稀疏理論

信號(hào)稀疏表示的基本思想是用較少的信息去表達(dá)大部分或全部的原始信號(hào)。具體的稀疏表示過(guò)程為：首先通過(guò)字典學(xué)習(xí)產(chǎn)生字典;再對(duì)輸入信號(hào)進(jìn)行稀疏分解，從而得到信號(hào)相對(duì)于字典的稀疏表示。經(jīng)過(guò)稀疏表示的信號(hào)由于數(shù)據(jù)量變少，信號(hào)處理時(shí)延較小且效率高。

1.1 稀疏模型

3 總結(jié)

本文對(duì)比了稠密光流和稀疏光流兩種算法的優(yōu)缺點(diǎn)，重點(diǎn)介紹稀疏表示原理，以及對(duì)圖像序列進(jìn)行預(yù)處理、特征點(diǎn)提取、稀疏光流場(chǎng)計(jì)算的過(guò)程。本文對(duì)稀疏光流法及運(yùn)動(dòng)目標(biāo)檢測(cè)的研究還有待深入，希望今后的研究能使得此類(lèi)檢測(cè)系統(tǒng)在準(zhǔn)確性和實(shí)時(shí)性上得到改善。

參考文獻(xiàn)

[1]韓征彬.智能視頻監(jiān)控系統(tǒng)中的人群異常行為檢測(cè)算法研究[D].長(zhǎng)春：長(zhǎng)春理工大學(xué)，2019.

[2]張淑芳.基于稀疏光流場(chǎng)的序列圖像分析研究[D].天津：天津大學(xué)機(jī)械工程學(xué)院，2003，22-31.

[3]公衍慧，莊曉東.基于特征點(diǎn)稀疏光流場(chǎng)的視頻圖像背景建模方法[J].青島大學(xué)學(xué)報(bào) （工程技術(shù)版），2015，30（4）：53-57.