固定场景下运动目标检测技术及其在自动乘客计数上的应用

固定场景下运动目标检测技术及其在自动乘客计数上的应用答辩人:唐鹏指导教师：王崇骏专业：计算机主要内容•课题意义•运动目标检测概述•公交乘客上下车检测•总结与展望2009-5-31•运动目标检测的关键作用•社会对公交乘客自动计数的需求2009-5-31主要内容•课题意义•运动目标检测概述•公交乘客上下车检测•总结与展望2009-5-31运动目标检测概述•检测的一般流程图像预处理检测方法图像分割，提取运动目标形态学处理目标区域标识清除伪目标后续处理2009-5-31运动目标检测概述•检测方法1）背景差法2）帧间差法3）光流法•两种方法比较1）实用性2）实时性当前帧图片减去背景帧图片连续两帧图片差分适合于检测刚体运动帧差法易产生“空洞”背景差对背景要求高帧差法快速背景建模耗时2009-5-31运动目标检测概述•主要算法1）最大类间方差法2）像素标记法2009-5-31运动目标检测概述•最大类间方差法主要思想：选择阈值t将图像的灰度分为两集合A和B，A的元素的灰度小于等于t，B的元素的灰度大于t，计算A与B的灰度期望值和，总体灰度期望记为E，设为A集合中所有灰度值出现的概率总和，则使得方差Q：取得最大的t作为分割的阈值。aE22()(1)()aaabQPEEPEE=−+−−bEaP2009-5-31运动目标检测概述•像素标记法二值化图像区域合并第一次扫描建立等价数组第二次扫描对不同的区域赋予不同的标识不同的标识，代表的区域连通2009-5-31主要内容•课题意义•运动目标检测概述•公交乘客上下车检测2009-5-31公交乘客上下车检测•场景特点•双阈值乘客目标检测算法2009-5-31公交乘客上下车检测•场景特点–识别对象（头部）特点–背景特点–采集的图像阶段性强2009-5-31公交乘客上下车检测2009-5-31公交乘客上下车检测------双阈值检测算法•第一次阈值利用图像的特点，对图像进行一次粗分割。将灰度级处于某一阈值范围的像素灰度级变换为0或255，其他灰度级像素保持不变。即：{(,)12(,),0255,else(,)fijfijTTfij≤≤=或2009-5-31公交乘客上下车检测------双阈值检测算法2009-5-31公交乘客上下车检测------双阈值检测算法•第二次分割-----自适应阈值分割算法采用：最大类间方差法2009-5-31伪目标去除•主要思想：通过分析已经提取的头部图像特征，来辅助伪目标的去除。•本文提取了三个特征：–长宽比–区域面积–平均灰度2009-5-31伪目标去除2009-5-31伪目标去除•实验数据特征项12345678MinMax长（L）4848601033765645637103宽（W）41384892354439423592面积（S）1545144622817610103220602024162010327610平均灰度（H）1010910991010910长宽比（P）1.1701.2631.2501.1201.0571.4771.6411.3331.0571.6412009-5-31主要内容•课题意义•运动目标检测概述•公交乘客上下车检测•总结与展望2009-5-31总结与展望•本文总结–实现了背景差法、帧间差法在固定场景下运动目标检测中的运用，分析了这两种方法的优点与缺点。–实现了最大类间方差法在背景差法、帧间差法以及在公交自动乘客计数上的应用。–针对公交这一特定的应用环境，提出了适合该场景的算法，较好的完成了对运动目标区域的提取。–对伪运动目标去除提出了自己的思路。2009-5-31总结与展望•工作展望本文提出的运用目标区域特征来去除伪目标的思路有待通过海量的图像数据进行辅助，限于图片数量，本文用来提取头部特征的数据还不够完善。2009-5-31谢谢！2009-5-31