【安防知識網(wǎng)】復雜條件(或背景)下的運動目標檢測和跟蹤一直是視頻圖像處理的難點,也日益成為視頻圖像處理系統(tǒng)實用性和可靠性的嚴重障礙。由于各種視頻應用的場合不盡相同,運動目標所處的環(huán)境和背景千變萬化,這對運動目標檢測和跟蹤算法的適應性和穩(wěn)健性提出了更高的要求。但是從目前的條件和技術水平來說,提出一種抗干擾性強、能適應各種場合各種條件的、穩(wěn)健的運動目標檢測和跟蹤方法是不可能的。在大量學者的研究下,產(chǎn)生了很多在特定條件下具有良好性能的運動目標檢測和跟蹤的方法。目前國內外對視頻圖像處理中運動目標檢測和跟蹤技術的研究很多,出現(xiàn)了一大批很有價值的文獻及成型系統(tǒng)。
1、國內研究現(xiàn)狀
國內如西安交通大學圖像處理與識別研究所、華中理工大學圖像識別與人工智能研究所等在運動目標檢測上做了大量的工作;清華大學圖形圖像研究所、中科院自動化所模式識別國家重點實驗室及上海交大圖像處理與模式識別研究所主要針對視頻運動跟蹤中的輪廓跟蹤算法進行了研究;武漢樂通光電公司高新技術研究所在智能視頻監(jiān)控產(chǎn)品形態(tài)、實現(xiàn)方式、系統(tǒng)設計、軟件框架及應解決的技術問題也進行了研究并發(fā)表了序列文章。
2、國外研究現(xiàn)狀
國外的研究側重于在應用中研究理論,如卡內基梅隆大學和美國薩爾諾夫公司聯(lián)合研制的視頻監(jiān)控系統(tǒng)vsAM(video surveiuanee And Monitoring)系統(tǒng),該系統(tǒng)目的是為了發(fā)展自動視頻理解技術,它通過用戶的操作可以監(jiān)視復雜如城市或戰(zhàn)場的場景;美國馬里蘭州大學和IBM公司聯(lián)合研制的實時視頻監(jiān)控系統(tǒng)w4將形狀分析和目標跟蹤技術相結合,對人的外表進行模型構建。該系統(tǒng)可以在室外的環(huán)境下檢測和跟蹤人群,并對他們的行為進行監(jiān)視;美國麻省理工學院多媒體實驗室研制的Pfinder系統(tǒng)能在室內恢復人的三維描述,它可以在復雜的環(huán)境下對單個人進行跟蹤;此外,還有日本索尼公司等,也在智能視頻監(jiān)控方面做了一些有成效的工作。
視頻監(jiān)控的智能化,將是包括嵌入式DVR在內的未來安防產(chǎn)品的發(fā)展方向,據(jù)行業(yè)人士認為,智能視頻監(jiān)控的核心技術就是運動目標檢測及跟蹤,目前市場上流行的各種智能視頻監(jiān)控功能都是以運動目標檢測及跟蹤為基礎的。
運動目標檢測和跟蹤由于所處的實際處理環(huán)境不同,將會受到來自不同因素的影響,它們會不同程度地影響運動目標檢測及跟蹤的準確性和穩(wěn)定性,系統(tǒng)對不同環(huán)境的適應性也存在很大的挑戰(zhàn),這些影響系統(tǒng)性能的因素包括下面幾點:
[nextpage] 1、光線高密度的變化
由于現(xiàn)場光線高密度的變化將使得背景圖像也隨之發(fā)生變化,從而很難將這些變化與圖像中由于前景目標的引入導致的變化加以區(qū)分。
2、陰影和物體間的重疊遮蓋
運動的前景目標的陰影部分可能會造成背景中局部畫面亮度變化,另外運動的目標之間,以及運動的目標與背景之間的重疊遮蓋,都可能會改變檢測出來的運動目標的形狀和其他特征。
3、前景目標與背景中物體相似
當運動的前景目標與背景中景物在顏色和形狀等外觀特征相似時,將增大從背景中分辨出前景目標的難度。
4、非靜態(tài)背景
當背景并不是靜態(tài)時,比如天空中運動的云塊,公路邊的建筑、樹,這些運動的背景有可能被當成前景目標進行處理,這樣將增加運動目標的檢測、跟蹤難度。
5、運動目標的高速運動
前景目標的高速運動可能會導致許多不同的目標頻繁在背景中出入,從而難以分辨哪些是真正的背景,哪些是前景目標,從而給運動目標檢測、跟蹤增加難度。
雖然,運動目標檢測功能在很早以前就已經(jīng)被實現(xiàn)了,但是傳統(tǒng)的基于幀差的運動目標檢測方法一直存在著上述難以克服的幾個問題。顯然,運動目標檢測方法的好壞又將直接影響其它智能監(jiān)控功能(跟蹤、入侵、越線、丟包檢測等)的性能。因此,運動目標檢測是一切智能視頻監(jiān)控算法的基礎,所以研究出高質量的運動目標檢測算法是重中之重。[nextpage]
目前,一些廠家在傳統(tǒng)運動目標檢測算法的基礎之上做了大量的改進,取得了一些突破性的效果。傳統(tǒng)運動目標檢測算法和改進的運動目標檢測算法的效果比較如圖1、圖2所示。