基于光流估计的运动目标检测方法研究开题报告

1. 研究目的与意义

运动目标检测是数字图像处理技术的一个主要部分，近年来，随着多媒体技术的迅猛发展和计算机性能的不断提高，动态图像处理技术取得丰硕的成果，广泛应用于交通管理、军事目标跟踪、生物医学等领域。运动目标检测，就是检测视频序列图像中是否存在在相对于整幅场景图像运动的物体。其目的就是找到产生运动的区域，为后续的行为分析和理解奠定基础。目前，运动目标检测方法主要可分为以下三种：帧差法、背景减除法和光流法。

帧差分法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法，适用于存在多个运动目标和摄像机移动的情况。当监控场景中出现异常物体运动时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像亮度差的绝对值，判断它是否大于阈值来分析视频或图像序列的运动特性，确定图像序列中有无物体运动。图像序列逐帧的差分，相当于对图像序列进行了时域下的高通滤波。其优点是：原理简单，计算量小；适用于实时系统。其缺点是:检测目标不完整。

背景减除法是当前运动目标检测技术中应用较为广泛的一类方法，它的基本思想和帧间差分法相类似，都是利用不同图像的差分运算提取目标区域。不过与帧间差分法不同的是，背景减法不是将当前帧图像与相邻帧图像相减，而是将当前帧图像与一个不断更新的背景模型相减，在差分图像中提取运动目标。其优点是：算法复杂度小；提取目标完整。其缺点是：背景模型需要实时更新。

2. 研究内容和预期目标

一.研究内容

光流是指空间运动物体在观测成像面上的像素运动的瞬时速度，它利用图像序列像素强度数据的时域变化和相关性来确定各自像素位置的“运动”，即反映图像灰度在时间上的变化与景物中物体结构及其运动的关系。将二维图像平面特定坐标点上的灰度瞬时变化率定义为光流矢量。视觉心理学认为人与被观察物体发生相对运动时，被观察物体表面带光学特征的部位的移动给人们提供运动和结构的信息。当相机与场景目标间有相对运动时所观察到的亮度模式运动称之为光流(optical flow)，或者说物体带光学特征部位的移动投影到视网膜平面(也即图像平面)上就形成了光流。

光流场是指图像灰度模式的表观运动，它是一个二维矢量场，所包含的信息就是各个像素点的瞬时运动速度矢量信息。

3. 研究的方法与步骤

基于梯度的方法利用图像灰度的梯度来计算光流，是研究最多的方法。梯度光流法又分为全局约束方法和局部约束方法。全局约束方法假定光流在整个图像范围内满足一定的约束条件，而局部约束的方法假定在给定点周围的一个小区域内，光流满足于一定的约束条件。这次课题以horn-schunck算法为例，介绍光流法的matlab程序实现对图像运动目标的检测。horn-schunck算法是光流场计算的经典算法。horn-schunck算法提出光流的平滑性约束。即：图像上任一点的光流并不是独立的，光流在整个图像范围内平滑变化。因此horn-schunck算法是一种全局约束的方法。horn-schunck算法推导过程如下：

设平滑性约束项为极小化：

（1.1）

4. 参考文献

[1] 李金宗, 原磊, 李冬冬. 一种基于特征光流检测的运动目标跟踪方法[j]. 系统工程与电子技术,2005, 27(3):422-426.

[2] 魏国剑, 侯志强, 李武,等. 融合光流检测与模板匹配的目标跟踪算法[j]. 计算机应用研究, 2014(11).

[3] 王新余, 张桂林. 基于光流的运动目标实时检测方法研究[j]. 计算机工程与应用, 2004, 40(1):43-46.

5. 计划与进度安排

3.05--3.20，熟悉课题背景，查阅资料，完成开题；

3.21--4.20，开展课题工作，完成课题的主要实验工作；

4.21--5.20，撰写毕设论文初稿；