1、目標(biāo)檢測是計算機視覺的一項重要研究內(nèi)容,它直接影響著后續(xù)對目標(biāo)的識別和跟蹤、對場景的分析和理解。本文在SIFT特征匹配算法的基礎(chǔ)上,綜合借鑒了光流場、運動補償、幀間差分等思想,提出了一種基于SIFT矢量場的運動目標(biāo)檢測算法。
　　 光流場算法是在假設(shè)亮度不變的條件下,通過對圖像中的像素點做運算來構(gòu)建出運動矢量場,進而進行運動目標(biāo)檢測的一種算法。受光流場算法的啟示,我們首先使用SIFT特征匹配算法來提取視頻中相鄰兩幀的SIFT特征

2、并進行匹配,然后通過對匹配到的SIFT特征做運算來建立SIFT矢量場。由于SIFT特征比較穩(wěn)定,而且匹配到的SIFT特征數(shù)目也遠(yuǎn)遠(yuǎn)小于圖像中像素點的數(shù)目,因此SFIT矢量場較光流場更穩(wěn)定,生成速度更快。接下來,對得到的SIFT矢量場中的矢量進行聚類分析,聚類得到的每個分類或是代表背景或是代表一個目標(biāo)。為了區(qū)別背景和目標(biāo),可以通過計算每個分類的類內(nèi)距離來進行離散度分析。離散度最大的分類就是背景,其他的分類都是目標(biāo)。再接下來,仿照幀間差分法

3、的思想,對每個目標(biāo)根據(jù)其所對應(yīng)的分類中的矢量大小進行運動補償,使兩幀圖像中的目標(biāo)區(qū)域重合并對其進行差分運算,然后再對差分圖進行閾值分割,使差分圖像中的目標(biāo)區(qū)成為黑色,非目標(biāo)區(qū)成為白色。由于圖像處理時一般都是針對白色區(qū)域,所以為了后續(xù)處理的需要必須對其進行反相,使目標(biāo)區(qū)變?yōu)榘咨?。最?對反相后的圖像進行形態(tài)學(xué)處理以消除噪聲,這時就可以得到目標(biāo)的輪廓了。
　　 實驗表明,該算法不但可以用于靜態(tài)背景下的運動目標(biāo)檢測,還可以用于動態(tài)背景