基于稀疏光流算法的運動目標檢測研究

歐陽玉梅

摘 要

針對稠密光流法運算量大、計算時延大的問題，本文基于稀疏光流法，對目標運動物體的圖像預處理、角點提取、稀疏光流場計算等處理進行了分析研究，給出了運動目標檢測的實現方法。

關鍵詞

稀疏光流;目標檢測;圖像處理

中圖分類號： TP391.41;TP183 ? ? ? ? 文獻標識碼： A

DOI：10.19694/j.cnki.issn2095-2457 . 2020 . 08 . 50

0 引言

運動目標檢測是指從視頻圖像序列的背景中識別并提取出運動目標的過程。目前廣泛應用于圖像檢索、視頻監控、無人機監測跟蹤、自動瞄準、虛擬現實等場景。運動目標檢測算法主要包含幀差法、背景法、光流法以及一些融合算法。

光流指的是視頻圖像上像素點之間灰度值的變化，由可位移值除以時間差求得，即運動物體的瞬時速度。分析的場景中，背景圖像基本處于靜止狀態，而目標物體處于運動狀態，因此可由運動物體和背景之間的光流信息差異來確定運動物體的位置，從而實現運動目標的檢測。光流法可分為稠密光流和稀疏光流兩種，二者的二維矢量的疏密程度不同。稠密光流需計算圖像中所有的像素點的瞬時速度，因此準確率高，但數據量大、計算時延大;稀疏光流只需計算運動目標特征點的光流矢量，所以運算量小，計算速度快，但準確率較稀疏光流法低。然而稀疏光流法基于時延小、對噪聲不敏感的優點，被廣泛用于多目標的場景。本文著重介紹稀疏光流法。

1 稀疏理論

信號稀疏表示的基本思想是用較少的信息去表達大部分或全部的原始信號。具體的稀疏表示過程為：首先通過字典學習產生字典;再對輸入信號進行稀疏分解，從而得到信號相對于字典的稀疏表示。經過稀疏表示的信號由于數據量變少，信號處理時延較小且效率高。

1.1 稀疏模型

3 總結

本文對比了稠密光流和稀疏光流兩種算法的優缺點，重點介紹稀疏表示原理，以及對圖像序列進行預處理、特征點提取、稀疏光流場計算的過程。本文對稀疏光流法及運動目標檢測的研究還有待深入，希望今后的研究能使得此類檢測系統在準確性和實時性上得到改善。

參考文獻

[1]韓征彬.智能視頻監控系統中的人群異常行為檢測算法研究[D].長春：長春理工大學，2019.

[2]張淑芳.基于稀疏光流場的序列圖像分析研究[D].天津：天津大學機械工程學院，2003，22-31.

[3]公衍慧，莊曉東.基于特征點稀疏光流場的視頻圖像背景建模方法[J].青島大學學報 （工程技術版），2015，30（4）：53-57.