论文研究-基于B-Snake的运动目标检测跟踪 .pdf

所需积分/C币:28 2019-08-15 16:28:04 356KB .PDF

基于B-Snake的运动目标检测跟踪,张勇,郑林,本文对传统Snake模型和三次B样条曲线进行了分析研究,根据离散化B样条曲线的性质,利用三次B样条曲线来描述目标轮廓线,结合主动轮�
国科花论文在统 http://www.paper.edu.cn 主动轮廓线是·条可变形的曲线,它可以在某些约束条件下,趋向于目标的真实轮廓 把B样条的概念与主动轮廓结合起米,就得到一和新的主动轮廓模型,它具有控制点少的 特点,并能通过对控制点位置的调整,任意改变其自身的变形性能,从而能更加准确地分割 运动目标 为了减少控制点数,并使主动轮廓线具有更好的平滑性、可变形能力,可以选择三次(四 阶)B样条作为主动轮廓,它具有如下形式: 其中,∈[0,-1是归一化参数,代表节点的个数,=(,),=0,1, 是B样条控制点,3()是个三次(四阶)B样条基函数。 对于三次B样条,当有两个节点重合时,样条在此处具有连续性;当有三个节点重 合时,具有连续性。因此,在样条的优化过程中,对于样条上曲率大于某一阈值的局部 极大值点,可以添加一个或两个重合节点,从而使该节点具有任意弯曲的性能 动态规划法是求解多阶段决策过程最优化问题的一种有效的方法。在优化过程中,为 了更准确地搜索真实边缘,可以采用动态规划方法驱动主动轮廓运动 Amini等提出了基于动态规划法的 Snake算法,首先将整个轮廓离散化,离散化后的模 型能量可表达为: 12,3 2(2:34 每个決策阶段中有三个控制点,求取能量极小值的过程则可以认为是(6)式的最优化 过程。将此优化过程作为离散的多步最优决策过程{Sk}(1k≤n),则第k步的目标函数为: (+)=min{()+ (7) 对于三次B样条,每一段曲线(相邻两节点之间)都由四个控制点唯一决定,并且中 间的两个控制点起主要作用。优化过程的每一次循环,就是一次动态规划过程,且轮廓上每 段曲线可以看作是动态规划的一个阶段,因此主动轮廓封闭曲线可以看作是由N-1个阶段形 成,且每个阶段可由两个控制点来确定。设(,)表示由控制点i和计1所决定曲线段 的图像能量,则主动轮廓线的整体能量为 (8 则动态规划过程为 1( 2)=min (1,2) 2(3)=min{1(2)+2(2,3)} (9) min(1,…)=min{-2(-1)+4(1,)} 在搜索过程中,每次循环都可以动态地调整控制点的分布。对于曲率人的地方,可以设 置较多的控制点;对于曲率较小的地方,给予较少的控制点。 目标检测跟踪模型的构建及优化 目标检测部分 国科花论文在统 http://www.paper.edu.cn 应用三次B样条形式人为给定图像序列第帧中目标的初始轮廓,并利用基于动态规 划法对初始轮廓进行收敛,分割岀目标精确轮廓,并在下一帧图像中循环运用此方法宄成图 像分割。 目标跟踪部分 当目标运动较慢时,上一帧图像的精确轮廓基本上处于当前图像中目标的附近,可以把 上一帧图像中的B样条主动轮廓线直接放置在当前图中的对应位置,进行图像检测跟踪。 当目标运动较快时,有必要对目标的运动加以预测。木文采用传统的卡尔曼滤波器对运动目 标中心进行预测,为了保证上幅图像中得到的主动轮廓能在当前图像中预测位置附近有效地 收敛,可以让主动轮廓以这个位置为中心,放大一个适当比例,从而保证主动轮廓开始搜索 时,绝大部分的控制点在真实轮廓线外部。 目标检测跟踪算法构建: 这样,基于动态规划法的B- Snake模型主要步骤为: (1)对需处理的图像序列的筅—幅图像,手动给出控制点,然后根据控制点画出三次B 样条轮廓曲线 (2)应用动态规划方法将所得到的三次B样条轮廓曲线“拉向”目标的边界 (3)采用卡尔曼滤波器预测下一帧图中目标形心,给出此图中目标的初始轮廓: (4)重复(2)、(3)步骤,直至图像序列处理完毕 实验 根据以上推导,在 WinXP环境下,运用 Matlab开发了基于动态规划法的B- Snake模型 目标检测跟踪程序,并将其应用于车辆跟琮实验,结果如下: 图2汽车分割图 图3第1帧图 国科花论文在统 http://www.paper.edu.cn 图4第7帧图 图5第13帧图 图6第19帧图 图7第25帧图 图8第31帧图 图9第37帧图 国科花论文在统 http://www.paper.edu.cn 十 10511 佟10第43帧图 图11龈踪轨迹 仿真试验表明,基于动态规划法的B- Snake检测跟踪模式取得了较好的效果 结束语 由以上可知,在运动目标检测跟踪过程中,该方法可以很好地对目标进行运动分割,具 有分割精度髙的特点,取得较好的结果,验证了该方法的有效性。该方法不仅可结合动态规 划法收敛过程稳定等优点,而且由于采用三次B样条的表示方法,大大减少了待求解的控 制点数目,因而进一步加强了计算简便、运算量小的优点。 参考文献 [1] KASS M, WITKIN A, TERZOPOULOS D Snakes: active contour modeks[]. International Journal of Computer Vission,1987,1(4):321-31 [2 Menet S, Saint-Marc P, Medioni GB-snake: implementation and application to stereo[A].Proceedings of Image Understanding Workshop[C]. Pittsburgh Press,1990,720-726 [3] Amini A, Weymouth T,Jain R Using dynamic programming for solving variational problems in vision[.IEEE Transaction on Pattern Analysis and Machine Intelligence, 1990, 12(9): 855-867 4]潘云鹤,董金祥,陈德人。计算图形学—原理、方法及应用(修订版)。高等教育出版。2003,201-209。 Zhang Yong, Zhen Ling School of Information Engineering, Wuhan University of Technology, Wuhan(430070) In this paper, the traditional Snake algorithm and the three B-spline curve was analyzed. According to discrete nature of B-spline curve, using the three B-spline curve to describe the target's contour lines, combined with active contour model to gain B-Snake model. The model has low computational complexity, fast and constringency stability characteristics. In the process of tracking target, using dynamic programming algorithm, which has the advantage of global optimization and constringency stability, to split the test target, and using the Kalman filter to predict the object center to help tracking the contour of the targeL, in order to implement the right moving target detection and tracking Through an experiment of delection and tracking vehicles we verified the validily of the algorithm B-Snake; Active Contour; Dynamic programming; Kalman filter 作者简介:张勇,男,1979年生,硕土研究生,主要研究方向是计算机视觉。

...展开详情
img

关注 私信 TA的资源

上传资源赚积分,得勋章
    最新推荐