(1) 将首帧图像中的车辆检测出来,并计算出被跟踪车辆(假设为车辆)在本帧图像中面积的大小,质心的位置等数据。
(2) 检测出下一帧中的车辆,计算出各自的面积以及质心的位置。
(3) 分别计算车辆与下一帧中各车辆的质心间的距离和面积差。
(4) 更新被跟踪车辆的面积和质心位置的数据。转到第(2)步继续实现对后续帧的跟踪。
运用上述的跟踪算法即能够实现对某一车辆的跟踪,也能够实现对多辆车的同时跟踪。以上算法是建立在这样的假设条件下的:由于两相邻帧的时间间隔很短(0.04s)因而在相邻两帧之间车辆的移动距离不大,并且车辆在图像中的面积变化率不大。实验表明这种假设是完全满足的,能很好地实现物体的跟踪。
第78帧 第94帧 第109帧
图三 跟踪实验结果
4 结束语
本文提出了一种对运动目标进行检测与跟踪的方法,在目标检测方面,首先对二维图像进行预处理,然后通过设定阈值滤除序列图像中的噪声。为了获得完整的运动目标区域,对三帧算法进行了改进,在车辆跟踪方面,运用质心间的距离与物体尺寸之差两个参数对检测出的问题进行跟踪,不但区分出了运动物体和静止物体,同时避免了以前直接检测算法中出现的误检和空洞问题。实验结果表明,此方法能够准确识别目标,显著地提高识别跟踪效率。
5参考文献:
[1] MEYER D, DENZLE J, NIEMANN H. Model based extraction of articulated objects in image sequences for gait analysis [A]. Proc IEEE Inter2 national Conference on Image Processing[C]. Santa Barbara, California, 2007. 78-81.
[2] HARTAOHU I, HARWOOD D, DAVIS L. W4: Real-time surveillance of people and their activities [J]. IEEE Trans Pattern Analysis andMa2 chine Intelligence, 2000, 22(8): 809-830.
[3] LIPTON A, FUJIYOSHIH, PATIL R. Moving target classification and tracking from real-time video [A]. Proc IEEE Workshop on Application of Computer Vision[C]. Princeton, NJ, 1998. 8-14.
[4] DUBMISSION M P, JAIN A K. Contour extraction of moving objects in complex outdoor scenes [J]. Int. J.Comput. Vision, 2005, 14(1): 83-105.
[5] 何卫华,李平等,复杂背景下基于图像融合的运动目标轮廓提取算法[J].计算机应用.2006,26(1):123-126.
[6] 贺兴华 周媛媛等,MATLAB7.x 图像处理。北京:人民邮电出版社[M],2006