基于SIFT特征与预测的运动目标检测算法(2)

2.3 基于残差块的特征点更新
在动态场景下，摄像机拍摄的视角会不断变化，图像的特征也随之变动，故此需要对特征点进行及时更新。可以设一个最低匹配值[Tf]，当特征点的匹配数低于[Tf]时就立刻更新。[Tf]设置较大会造成运算量过大，影响算法效率；设置较小会使平均匹配点数降低，造成最小二乘解不准确。根据多组试验选取最佳[Tf=15]。
特征点的更新需要对图上的点进行搜索，由于特征点主要集中在检测目标中且在求解运动参数时，真正起作用的是背景点，所以需要将包括检测目标即前景的一块区域排除。
如图2所示，采用基于残差图像的方法将前景区域进行快速标记。将残差图像分成[m×n]个大小的块，计算每个块的SAD[13]，并按大小进行排序。[SAD=i=0Mj=0Nψi，j，]其中[ψi，j]是[（i，j）]的残差。图2中，[B0]是当前预选前景块，若邻域8个图像块的SAD值有超过一半排在总SAD值的前30%，则将当前预选前景块标记为前景块，将每个预选前景块都依次进行排查。块参数[m]和[n]的取值决定了计算量的大小和前景块标记的准确性，通过实验确定设为[16×16]最为合适。
2.4 算法实现的具体步骤
若已知[pt-1，1]为第[t-1]帧的特征点集，[At-1]为第[t-1]帧的仿射参数矩阵。对第[t]帧运动目标进行检测，其算法详细步骤如下：
（1） 根据2.1节提出的方法搜索出第[t]帧所有特征点[pt，n]并保存在特征点集[Pt]中，并用[Pt-1]和[Pt]进行匹配并建立匹配点对[Ft]。
（2） 用RANSAC去除[Ft]中可能存在的误匹配点，再用最小二乘法求解出[t]帧的仿射参数矩阵[At]。
（3） 利用式（2）对[t-1]帧图像[It-1]中摄像机旋转导致的运动进行补偿，得到补偿图像[It]。再将补偿图像[It]和第[t+1]帧图像[It]做背景差处理，得到残差图像[Iobj]。
（4） 判断得到的[Pt]点集中的特征点数目是否小于[Nf]，若小于则用2.3节中的方法进行更新。
（5） 将得到的[Iobj，][At，][Pt]进行保存，并同时进行背景的实时更新。
3 实验结果与分析
为了验证算法的效果，将本文算法同块匹配算法进行实验对比。使用Visual Studio 2010在Intel i3 CPU内存4 GB的PC机的实验平台上进行调试。通过视频实验对结果进行比较和分析。具体的实验结果如图3和图4所示。
图3为分辨率为[320×240]的实拍图像序列。图3（a）为原图像序列的第30帧和70帧，图3（b）为块匹配算法得到的实验结果，图3（c）为本文算法的实验结果。通过对比可以看出，匹配算法检测出的目标图像较为模糊，轮廓有残缺，背景中有东西没被除去。本文算法检测的目标图像十分饱满和清晰，完全排除了背景中的干扰。此实验结果说明，本文算法继承了SIFT算法的优越性，在摄像机快速旋转时可以有效检测运动目标。
图4是对分辨率为[352×288]的标准序列的测试结果。从实验结果可以看出，两种算法都能检测出目标。匹配算法检测出的目标比较模糊，背景中的观众并没有完全去除。由于摄像机的运动不仅仅是平移，匹配算法不能良好适应。本文算法测得的结果明显较为清晰。通过此实验可以说明，本文算法对摄像机在复杂的运动下检测运动目标同样适用。    

        　4 结 论 

　　本文提出了一种基于预测的匹配算法，针对动态场景下的目标进行检测。首先利用SIFT 算法提取出特征点，再构建全局运动模型来描述摄像机的运动，通过运用最小二乘法求解运动参数，其中采用RANSAC方法去除外点；最后基于残差图像块的特征点更新策略保证求解参数的准确性。实验结果证明，该算法可以准确实时地检测出移动摄像机下的运动目标。
参考文献
[1] 周若谷.基于高斯背景建模和时间差分法的目标检测研究[J].电脑编程技巧与维护，2014（4）：28?29.
[2] 张瑜慧，沈洋.基于图像融合的运动前景检测方法[J].现代电子技术，2013，36（24）：67?69.
[3] 张咏，李太君，李枚芳.利用改进的背景差法进行运动目标检测[J].现代电子技术，2012，35（8）：74?77.
[4] BOROS E， ROSCA G， IFTENE A. Using SIFT method for global topological localization for indoor environments [C]// Proceedings of 2010 the 10th IEEE Workshop of the Cross?Language Evaluation Forum. Corfu： IEEE， 2010： 277?282.
[5] LUO J， OUBONG G. A comparison of SIFT， PCA?SIFT and SURF [J]. International Journal of Image Processing， 2009， 3（4）： 143?152.
[6] 傅卫平，秦川，刘佳，等.基于SIFT算法的图像目标匹配与定位[J].仪器仪表学报，2011，32（1）：163?169.
[7] 赵亚湘，樊晓平，刘少强.基于运动矢量场的运动目标区域检测[J].光电子·激光，2014，25（12）：2387?2392.
[8] SU Y P， SUN M T， HSU V. Global motion estimation from coarsely sampled motion vector field and the applications [J]. IEEE Transactions on Circuits and Systems for Video Technology， 2005， 15（2）： 232?242.
[9] LOWE D G. Distinctive image features from scale?invariant keypoints [J]. International Journal of Computer Vision， 2004， 60（2）： 91?110. (责任编辑：论文发表网)转贴于八度论文发表网: http://www.8dulw.com(论文网__代写代发论文_论文发表_毕业论文_免费论文范文网_论文格式_广东论文网_广州论文网)