通过消除恒定运动进行运动检测

Posted 2023-03-10

【中文标题】通过消除恒定运动进行运动检测

【英文标题】：Motion detection by eliminating constant movements

【发布时间】：2017-11-06 07:03:37

【问题描述】：

我正在尝试在 OpenCV C++ 中实现运动检测。我尝试了各种方法，例如 MOG、光流，它们工作得很好，但是有没有办法我们可以消除场景中的恒定运动，比如恒定的扇形运动等？我想到了 opencv accumuateWeighted()，但不确定它是否有效。我们有什么更好的方法吗？

【问题讨论】：

嗯，这取决于你如何定义运动？例如，如果您有图像的二进制表示，其中有运动的白色和没有运动的黑色，您可以平均帧（二进制帧，使用浮点数或双精度数）。然后，您可以根据自己的喜好对该平均图像进行阈值处理，例如，如果您使用 200 帧，如果像素超过 0.5，则它移动超过 100 帧......或超过 150 帧时移动 0.75.. 越接近 1 （如果二进制图像在移动区域中有 1）它移动得越多。然后，您可以在图像中屏蔽这些区域。如果它在同一个地方，这有效

你所说的恒定运动是什么意思——它是指只有旋转或周期性运动但在一定时间内没有平移的物体吗？

@flamelite 常量运动，如树叶、风扇等的局部运动

@api55 感谢您的建议。我会看到的。

【参考方案1】：

我还没有完全强大的解决方案，也没有任何视频处理经验，但我会提出我的想法，直到现在我已经解决了这个问题：

首先考虑视频中的几对连续图像帧，并将它们转换为灰度以进行更可靠的比较。

光栅扫描图像对，通过比较对应的图像对来找出图像对的差异。 生成的图像将给出图像对图像发生变化的像素位置，对这些像素位置进行聚类并在它们之上制作一个边界框。这样这个边界框区域就会标记一个正在平移/旋转的对象。

现在我们已经对几对应用了上述图像差异操作。我们将在每个图像对差异中具有旋转/平移边界框。 现在检查每个生成的图像差异，像素上有边界框。

将差异图像中的边界框中心位置与其他差异图像进行比较。如果在所有差异图像中都存在中心位置有非常轻微变化的边界框，则该边界框中包含的对象将像扇子、树叶一样具有旋转运动，而剩余的边界框将代表视频中的实际平移对象。