国科大人工智能学院《计算机视觉》课 —运动视觉—运动检测
Posted 肉丸不肉
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了国科大人工智能学院《计算机视觉》课 —运动视觉—运动检测相关的知识,希望对你有一定的参考价值。
零、运动分析:视频图像分析
一、运动检测的概念
运动检测定义:将运动前景从图像序列中提取出来,即 将背景与运行前景 区分开。
运动检测的意义:是目标跟踪、运动表述和行为理解等后续处理的基础。
运动检测的难点:
运动检测的两种常见思路:
- 直接利用前景所特有的信息检测前景:适用于前景特征变化不大的场景
- 先得到背景图像,然后将输入图像减去背景图像从而得到前景图像:适用于背景相对固定,而前景变化较大的场景
二、常规的运动检测方法
1. 背景差法
原理:计算当前图像与背景图像的逐像素的灰度差,再通过设置阈值来确定运动前景区域。
大于阈值,则为前景
已知背景的情况,要用若干背景图像的均值图像作为背景。
- 均值图像:将若干背景图像求逐点的灰度均值
- 这样做的原因是:光照会有细微变化、相机内部有噪声
- 均值图像 对应 单高斯模型
单高斯模型:对于每一个像素,用一个高斯分布来描述其在不同时刻的灰度分布情况的背景模型
- 使用高斯分布来描述背景的假设:背景在图像序列中总是最经常被观测到
- 使用单高斯模型的不足:动态背景,单高斯不能描述
混合高斯模型:采用混合高斯分布来描述每个像素在不同时刻的灰度分布情况
2. 光流
光流场 近似等于 运动场
光流一致性假设:
光流约束方程:
孔径问题:
所以要为每个像素建立更多的方程,即 一个约束不够。
光流法 的优缺点:
3. 帧间差分:双帧差分、三帧差分
帧间差分 的优缺点:
三、目标检测
目标检测:自动确定目标在图像中的位置和类别
四、常规的目标检测方法:AdaBoost(Adaptive boosting)
两个权重:样本、弱分类器
五、基于DNN的目标检测方法:RCNN系列、YOLO系列
1. RCNN
RCNN:Regions with CNN features
2. YOLO
以上是关于国科大人工智能学院《计算机视觉》课 —运动视觉—运动检测的主要内容,如果未能解决你的问题,请参考以下文章
国科大人工智能学院《计算机视觉》课 —运动视觉—运动表达和行为识别
国科大人工智能学院《计算机视觉》课 —运动视觉—运动表达和行为识别
国科大人工智能学院《计算机视觉》课 —运动视觉—运动表达和行为识别