运动检测与目标跟踪.doc

运动检测与目标跟踪算法模块 一、运动检测算法 1.算法效果 总体来说，对比度高的视频检测效果要优于对比度低的视频。 算法可以比较好地去除目标周围的浅影子，浅影的去除率在80%以上。去影后目标的完整性可以得到较好的保持，在80%以上。在对比度比较高的环境中可以准确地识别较大的滞留物或盗移物。 从对目标的检测率上来说，对小目标较难进行检测。一般目标小于40个像素就会被漏掉。对于对比度不高的目标会检测不完整。总体上来说，算法在对比度较高的环境中漏检率都较低，在0.１%以下，在对比度不高或有小目标的场景下漏检率在6%以下。 精细运动检测的目的是在较理想的环境下尽量精确地提取目标的轮廓和区域，以供高层进行应用。同时在分离距离较近目标和进行其它信息的进一步判断也具有一定的优势。 反映算法优缺点的详细效果如下所示： 去影子和完整性 效果好 公司内视频 左边的为去影前，右边的为去影后的结果，可以看出在完整性和去影率上都有所突出。 这两个视频的共周特点是，影子都是浅影子，视频噪声不太明显。目标与背景的对比度比较高。 城市交通 效果差 这两个视频的特点是影子都是深影子。虽然影子没有去掉，但是物体的完整性是比较高的。主要原因就是场景的对比度比较高。 路口，上午十点 滞留物检测和稳定性 效果好 会议室盗移 　　效果好的原因，一是盗移或滞留目标与背景对比度较大，二是目标本身尺寸较大。 　　另外盗移物或滞留物在保持各自的状态期间不能受到光照变化或其它明显运动目标的干扰，要不然有可能会造成判断的不稳定。 效果差 会议室遗留物 大部分时间内，滞留的判断都是较稳定的，但是在后期出现了不稳定。主要原因是目标太小的原故。 因此在进行滞留物判断时，大目标，对比度较高的环境有利于判断的稳定性和准确性。 漏检率 效果好 城市交通 　　在对比度高的环境下，目标相对都较大的情况下（大于40个像素），可以很稳定的检测出目标。在这种条件下的漏检率通常都是非常低的，在0.1%以下。 效果差 行人－傍晚 和“行人”目录下的其它昏暗条件下的视频 在对比度较低的情况下，会造成检测结果不稳定。漏检率较高。主要原因是由于去影子造成的。这种对比度下的漏检率一般在6%以下。 除了对比度低是造成漏检的原因外，过小的目标也会造成漏检，一般是40个像素以下的目标都会被忽略掉。 1.2算法效率 内存消耗（单位：b） .MD_ISRAM_data 0x470 .MD_ISRAM_bss 0x24 .MD_SDRAM_data 0x348 .MD_SDRAM_bss 0x1a8480 .MD_text 0x6d40 速度ms 运动区域占2/3左右时 运动区域占1/3左右时 CPU占用率 Max:57% Min:2.8% Avg:37.5% Max:45% Min:2.8% Avg:20% 一帧耗时 Max:23 Min:1.14 Avg:15 Max:18 Min:1.14 Avg:8 1.3检测参数说明 检测到的滞留物或盗走物的消失时间目前分别设定在200帧和100帧，可以通过参数来自行调整。 目前目标与背景的差异是根据局部光照强度所决定的，范围在4个像素值以上。目前参数设置要求目标大小要在20个像素以上才能被检测到，可以通过参数来自行调整。 目标阴影的去除能力是可以调整的，目前的参数设置可以去除大部分的浅影子和较小的光照变化。 1.4适用环境推荐 光照条件较好（具有一定的对比度）的室内环境或室外环境。不易用它去检测过小的目标，比如小于40个像素的目标。室外环境不易太复杂。输出目标为精细轮廓目标，可以为后面高层应用提供良好的信息。 二、目标跟踪 2.1稳定运行环境要求 此版本跟踪算法与运动检测算法紧密结合，对相机的架设和视频的背景环境和运动目标数量运动方式有一定要求： 背景要求：由于运动跟踪是基于运动检测的结果进行的，所以对背景的要求和运动检测一样，运动目标相对于背景要有一定反差。 运动目标：由于运动检测中，对较小的目标可能过滤掉。所以运动目标的大小要符合运动检测的要求。运动目标的速度不能太大，要保证前后帧运动目标的重合面积大于10个像素。此阈值可修改(建议不要随意修改，过小，可能把碎片当成原目标分裂出来的小目标，过大，可能失去跟踪。当然可试着调节以适应不同场景)。该算法对由于运动检测在地面上产生的碎片抗干扰性比较差，运动目标和碎片相遇时，容易发生融合又分离的现象，造成轨迹混乱。消失目标和新生目标很容易当成同一目标处理，所以可能出现一个新目标继承新生目标的轨迹。 运动方式：运动目标的最大数量由外部设定。但运动跟踪对运动目标比较稀疏的场景效果比较好。算法对由于运动检测在运动目标上产生的碎片有一定的抗干