图像序列中的运动检测方法研究 (毕业设计42页、18028字+图+程序)
摘要：运动目标检测是应用视觉研究领域的一个重要课题，在军事和工业中应用广泛。目前，视频信号的智能化处理需求日益增加，正确地从视频流中提取运动目标、判断运动方向是许多智能视频系统的基础部分。目前常用的运动目标检测方法有帧差法、背景差分法和光流法，这些方法都存在一定的缺陷。本文将ICA方法应用于实际运动图像序列的分析与处理，在介绍独立分量分析的基本理论和算法的基础上，提出采用基于FastICA算法和Infomax算法对实际视频图像中的运动目标进行运动检测的方法，取得了较好的检测结果。实验结果表明该方法简单，鲁棒性强，克服了传统的帧差法对摄像机和光照条件的变化敏感的缺点，具有较强的自适应性。且能同时检测出运动目标的轮廓，实验结果表明了该方法的有效性和实用性。
关键字：运动检测；独立分量分析；FastICA ；Infomax
Research on Method of motion Detection
in Image Sequences
Abstract：Motion detection is an important research subject in computer vision and is widely used in military and industry field. The needs of intelligent video signal processing are increasing currently. It is the main task to extract moving target correctly from video streams and judge its moving direction in intelligent vision system. The commonly used method of detection are frame subtraction, background subtraction and optic flow method. While these methods are sensitive to illumination condition and video camera. The Independent Component Analysis is applied in video images to detect moving target based on introducing the basic theory and algorithm of ICA in the dissertation. Then the moving target in real video images is detected by using FastICA and Infomax algorithm.The experimental results show that the proposed method can extract target correctly and it has characteristics of simplicity, self adaptation and validity.
Key words：Moving detection， Independent Component Analysis， FastICA， Infomax
目 录
第1章 绪论 1
1.1 课题背景、目的及意义 1
1.1.1课题背景 1
1.1.2课题目的及意义 2
1.2论文研究主要内容及结构安排 2
第2章 运动目标检测 4
2.1运动目标检测的基本方法 4
2.1.1连续帧间差分法 4
2.1.2背景差分法 6
2.1.3光流法 7
2.2 图像后处理 7
2.2.1图像的二值化 7
2.2.2数学形态学滤波 8
2.3实验结果与分析 8
第3章 ICA的算法研究 10
3. 1 ICA的预处理 10
3. 2非高斯与统计独立 11
3. 3 ICA的目标函数 12
3. 3. 1基于峭度的目标函数 13
3. 3. 2基于负熵及近似负熵的目标函数 14
3. 3. 3基于互信息的目标函数 15
3. 4 ICA的优化算法 16
3. 4. 1 FastICA算法 16
3. 4. 2 Infomax算法 18
第4章 基于ICA的运动检测 21
4.1 ICA引入 21
4.2 实验数据 21
4.3 基于ICA的运动检测 22
4.3.1基于FastICA的运动检测 22
4.3.2基于Infomax的运动检测 23
4.4 检测效果分析 25
结论 26
致谢 27
参考文献 28
附录1 30
附录2 30
第1章 绪 论
1.1 课题背景、目的及意义
1.1.1课题背景
人或物体运动视觉分析是近年来计算机视觉领域中备受关注的前沿方向和研究主题之一[1]。它属于图像分析和理解的范畴，其核心是利用计算机视觉技术从图像序列中检测、跟踪、识别并对其行为进行理解与描述，它在虚拟现实、视觉监控、感知接口等领域均有着广阔的应用前景和潜在的经济价值。人或物体运动视觉分析系统一般遵从下述的处理过程：（1）运动检测；（2）运动目标分类；（3）目标的跟踪；（4）目标的行为理解与描述。
运动检测作为视觉分析的第一步，是应用视觉研究领域的一个重要课题，通过运动检测才能实现对检测出来的目标物进行分析、处理等。运动检测是检测图像内容的运动或静止情况，然后根据图像是运动的还是静止的分别作不同的处理，以达到提高图像质量或图像压缩的目的，以获得准确的信息和得到快速处理。它的目的是从序列图像中将变化区域从背景中分割出来，其内容大致有：（1）图像序列中有无运动物体存在；（2）图像序列中运动目标的提取；（3）图像序列中运动物体平移量、旋转量以及比例尺寸变化量的检测。运动检测是运动图像分析、可视监控、视人机交互中的重要处理步骤，通过运动检测可以得到图像中的运动信息，提取图像中的运动人物或目标，简化了后续的运动跟踪、识别、分析的难度，具有十分重要的意义。
传统常用的几种运动检测方法主要有：(1)、时间差分法，它对于动态环境具有较强的自适应性，它可以很好地适用于存在多个运动目标和摄像机移动的情况。但是，提取的运动目标轮廓往往是局部的、不连续的，也就是一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞现象；(2)、背景减除法，当它去处理目标由静止开始运动的情况，就会出现“鬼影”现象。它不适用于摄像机运动的情况，摄像机的运动导致背景的改变，从而使背景减除法失效。它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感；(3)、光流法，该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标。然而，大多数的光流计算方法都相当复杂，且抗噪性能差，不利于实时处理。如果没有特别的硬件装置则不能被应用于全帧视频流的实时处理。而近些年来出现的一些新兴的运动目标检测方法主要有：基于时间差分法的拓展方法-模板对准相乘法、基于背景减除法的拓展方法-遗传算法的指数熵算法、特征点匹配检测和纹理分割法相结合算法、基于小波的方法、基于人工神经网络的方法等等[2]。
图像序列中的运动目标检测即运动目标提取在军事和工业等多个领域有着广泛的应用前景和实用价值，如军事目标跟踪、交通自动导航、视频信号传输和机器人视觉等领域运动检测应用十分广泛。目前，视频信号的智能化处理需求日益增加，从活动图像中正确检测出运动目标并判断运动方向是许多智能视频系统的基础部分[3]。
1.1.2课题目的及意义
由于系统和传感器的固有噪声、目标周围背景的干扰、天气、光照的变化、运动目标的影子、摄像机的抖动以及运动目标的自遮挡和互遮挡现象等这些干扰因素的存在，给图像序列中运动目标检测带来了极大的困难。可以看出每一种检测方法都有自身的优势和缺陷。针对不同的应用领域，不同的处理目的，所用的运动检测要求和方法也就不同。对于遇到的新的问题，则需要研究新的运动检测技术方法来解决。这将是图像序列中运动检测技术今后的一种发展趋势。因此，图像序列中的运动检测的基本思想就是寻找一种算法简单、费时少、易于实现，且能很好解决上述干扰因素的一种检测方法。
1.2论文研究主要内容及结构安排
图像序列中的运动检测问题实质上是得到图像序列中的运动信息，提取图像中的运动目标，也就是从序列图像中将变化区域从背景中分割出来的一个过程[4]。由于存在许多制约因素以及检测算法的计算简单与否、费时多少等方面，使得许多检测方法或多或少地在某些方面都存在一定的缺陷。通过分析、总结多种图像序列中的运动检测方法，在传统的基础之上进行了一些改进，试图采用多维数字信号处理方法-独立分量分析方法（ICA：Independent Component Analysis）[4]进行检测，希望能准确检测出运动目标的轮廓、方向和轨迹，并能很好地解决干扰因素对检测的影响。
论文共分四章，结构安排如下：
第一章主要介绍运动检测的意义和研究背景，以及论文内容与结构安排。
第二章主要介绍一些传统的运动检测方法及检测实验。
第三章主要对ICA算法进行理论分析，选择了两种经典的ICA算法进行介绍。
第四章是笔者在本课题中所做的主要工作，也是本文的核心内容。重点介绍了图像序列中基于ICA的运动检测，分别基于FastICA算法和Infomax算法进行了检测实验，并对结果进行了比较分析等。
最后是对该课题的研究进行总结，同时指出在图像序列中运动检测领域中期待解决的一些问题。
| 