山東大學(xué)碩士學(xué)位論文 摘要 2 l 世紀(jì)是海洋的世紀(jì)，聯(lián)合國(guó)( 2 1 世紀(jì)議程指出海洋是全球生命支持系統(tǒng) 的一個(gè)基本組成部分，也是一種有助于實(shí)現(xiàn)可持續(xù)發(fā)展的寶貴財(cái)富。研究海洋生 物對(duì)人類發(fā)展有著非常重要的作用。而海洋生物紛繁復(fù)雜，且海底世界更是深不 可測(cè)，給人類研究海洋帶來了困難。目前，人們對(duì)海底生物的了解大部分都是通 過水下攝像頭裝置或水下機(jī)器人拍攝的視頻獲知的。人工處理這些視頻往往需要 數(shù)月至數(shù)年。因此對(duì)水下生物的檢測(cè)、跟蹤和分類的研究成為當(dāng)前的熱點(diǎn)。 近年來運(yùn)動(dòng)目標(biāo)檢測(cè)在機(jī)器人控制、自動(dòng)車輛導(dǎo)航、人機(jī)接口、醫(yī)學(xué)成像、 視頻監(jiān)控等多方面都有非常廣闊的應(yīng)用前景。隨著科技的進(jìn)步，各種新技術(shù)也被 應(yīng)用到各種復(fù)雜環(huán)境下的目標(biāo)檢測(cè)，但是迄今為止還沒有一種算法能夠適用于所 有情況。尤其是在攝像機(jī)運(yùn)動(dòng)情況下更沒有一種統(tǒng)一的算法適合攝像機(jī)的各種運(yùn) 動(dòng)形式，而且目標(biāo)的運(yùn)動(dòng)中還夾雜著由攝像機(jī)運(yùn)動(dòng)導(dǎo)致的背景運(yùn)動(dòng)，更不好區(qū)分 前景與背景。而目標(biāo)檢測(cè)是目標(biāo)跟蹤分類等的基礎(chǔ)，檢測(cè)效果不好，會(huì)給后續(xù)理 解分析目標(biāo)帶來很大影響。因此研究一種魯棒性好、精確、高性能的目標(biāo)檢測(cè)算 法仍具有很大挑戰(zhàn)性。 本研究中處理的視頻是拍攝于海底的海蜇視頻。其中的海蜇跟我們平常所見 到的并不一樣，它不僅體積小，而且頭部和尾巴部分亮度也不一致，顏色單一， 并且隨著攝像頭的運(yùn)動(dòng)和光照的變化他們也在不斷變化，甚至人眼也難以分辨。 針對(duì)以上特點(diǎn)，本文在回顧前人工作的基礎(chǔ)和分析和實(shí)驗(yàn)傳統(tǒng)目標(biāo)檢測(cè)算法 的基礎(chǔ)上，指出僅僅簡(jiǎn)單地利用背景減法、時(shí)間差分法和光流法等傳統(tǒng)檢測(cè)算法 來處理海底視頻是不理想的，必須充分利用目標(biāo)的時(shí)空信息。本文在回顧前人工 作的基礎(chǔ)上，對(duì)海底視頻中的某一種生物( 海蜇) 的檢測(cè)算法進(jìn)行研究，提出了 兩種新檢測(cè)算法，解決檢測(cè)目標(biāo)的不完整和漏檢、錯(cuò)檢問題。 本文首先深入分析了視覺注意模型中顯著性圖的亮度、顏色、方向等通道的 構(gòu)成，并將其應(yīng)用到目標(biāo)檢測(cè)中，計(jì)算圖像的灰度、方向、中心矩等信息，得出 基于背景差分法和顯著性圖理論相結(jié)合的目標(biāo)檢測(cè)算法。先對(duì)背景進(jìn)行建模，然 后計(jì)算當(dāng)前幀減去背景后的各通道顯著性圖，最后綜合各顯著性圖并利用單幀視 山東大學(xué)碩士學(xué)位論文 頻中目標(biāo)的最大個(gè)數(shù)判斷目標(biāo)是否出現(xiàn)，穩(wěn)定了檢測(cè)系統(tǒng)。實(shí)驗(yàn)表明該算法能很 好地檢測(cè)出視頻中不清晰的目標(biāo)，為進(jìn)一步處理目標(biāo)如跟蹤和分類提供了方便。 由于所研究的視頻是在攝像機(jī)一直往前運(yùn)動(dòng)的情況下拍攝的，具有攝像機(jī)運(yùn) 動(dòng)的特殊性。在此情況下視頻中具有膨脹中心( f o c u so f e x p a n s i o n ，f o e ) 這一 個(gè)特殊點(diǎn)。結(jié)合該特殊性和視頻中目標(biāo)特點(diǎn)提出了基于k - f o e 的殘差圖和環(huán)形分 割的目標(biāo)檢測(cè)算法，該算法給出一種應(yīng)用k a l m a n 濾波器估計(jì)f o e 點(diǎn)精確位置的 計(jì)算方法，并利用精確f o e 點(diǎn)計(jì)算殘差圖得到初始目標(biāo)模板。然后根據(jù)目標(biāo)中心 距f o e 的距離不同設(shè)定不同閾值，更新目標(biāo)模板，更好地分割目標(biāo)與背景。 2 關(guān)鍵詞：目標(biāo)檢測(cè)；顯著性圖：背景更新；差殘圖；f o e 山東大學(xué)碩士學(xué)位論文 曼皇! 皇! 曼鼉鼉, = ,i i i i 鼉皇毫! 皇曼曼曼皇皇皇詈詈量毫 a b s t r a c t 21s tc e n t u r yi st h ec e n t u r yo fo c e f l n t h eu n i t e dn a t i o n s ”a g e n d a2 1 ”s u g g e s t s t h a tt h eo c e a ni sa l le s s e n t i a lc o m p o n e n to fag l o b a ll i f es u p p o r ts y s t e ma n dav a l u a b l e a s s e tf o ra c h i e v i n gs u s t a i n a b l ed e v e l o p m e n t s t u d y i n gm a r i n eo r g a n i s m sp l a y sav e r y i m p o r t a n tr o l ei nh u m a nd e v e l o p m e n t i tm a k e so c e a ns t u d yd i f f i c u l tt h a tt h em a r i n ea n d t h eu n d e r w a t e rw o r l da r eu n f a t h o m a b l e a tp r e s e n t , p e o p l e su n d e r s t a n d i n go fm a r i n e l i f ei sa l m o s tt h r o u g hv i d e o st a k e nb yu n d e r w a t e rc a m e r a sf i x e do nd e v i c e ss u c ha s a u t o n o m o u su n d e r w a t e rv e h i c l e si n s t e a do ff i s h i n gn e t s i tc a nc o s ts e v e r a lm o n t h st o s e v e r a ly e a r st om a n u a l l yp r o c e s st h e s ev i d e o s t h e r e f o r e ，t h ed e t e c t i o n , t r a c k i n ga n d c l a s s i f i c a t i o no fu n d e r w a t e rc r e a t u r e si sac u r r e n th o ts p o t m o v i n gt a r g e t sd e t e c t i o nh a sa l li m p o r t a n ta p p l i c a t i o np o t e n t i a li nm b o tc o n t r o l ， a u t o n o m o u sv e h i c l en a v i g a t i o n ，m a n - m a c h i n ei n t e r f a c e ，m e d i c a li m a g i n ga n dv i d e o m o n i t o r i n g w i t ha d v a n c e si nt e c h n o l o g y , av a r i e t yo fn e wt e c h n o l o g i e sh a v eb e e n a p p l i e dt ot a r g e td e t e c t i o ni nm o r ec o m p l e xe n v i r o n m e n t s b u ts of a r , n oa l g o r i t h mi s a p p l i c a b l et oa l lc a s e s e s p e c i a l l yi nt h ec a s eo fc a m e r am o t i o n , n ou n i f o r mm e t h o dc a n t a c k l ea l lk i n d so fc a m e r am o t i o n i na d d i t i o n , n o to n l yt a r g e tm o t i o n , b u ta l s o b a c k g r o u n dm o t i o nc a u s e db yc a m e r am o v e m e n t 啪l e a dt od i f f i c u l t yt oe x t r a c tt h e f o r e g r o u n df r o mt h eb a c k g r o u n d h o w e v e rt a r g e td e t e c t i o ni st h eb a s i so f t a r g e tt r a c k i n g a n dc l a s s i f i c a t i o n , a n dd e t e c t i o nr e s u l t sw i l lh a v eag r e a ti m p a c to no b j e c t i v e u n d e r s t a n d i n ga n da n a l y s i si nt h ef o l l o w i n g u pp r o c e s s i n g s oi ti sag r e a tc h a l l e n g et o w o r ko u tar o b u s t , p r e c i s ea n dh i g h - p e r f o r m a n c em o v i n gt a r g e t sd e t e c t i o na l g o r i t h m j e l l y f i s hi nu n d e r w a t e rv i d e o sa r es t u d i e d i ti sah a r dp r o b l e mb e c a u s et h e ya r e s m a l l ，誠(chéng)t l li n c o n s i s t e n tb r i g h t n e s sf r o mt h el l e a dt ot h et a i l ，a n dc a p t u r e db ym o v i n g c a m e r a t h eh u m a n e y e c a ne v e nh a r d l yd i s t i n g u i s ht h e mf r o mt h es e aw a t e r b a s e do nr e v i e w i n gt h ep r e v i o u sr e s e a r c h , a n dd o i n gr e s e a r c ho nan u m b e ro f d e t e c t i o na l g o r i t h m sa n dt h e i ra p p l i c a t i o n s ，w ep r o p o s e st w on e wd e t e c t i o na l g o r i t h m s t od e a l 、忻t l ld e t e c t i o nf a i l u r eo rf a u l td e t e c t i o nb e c a u s eg o o dr e s u l t sc a n n o tb eo b t a i n e d b yo n l yu s i n gc o n v e n t i o n a lm e t h o d s f i r s t l y , t h ep r i n c i p l eo fi n t e n s i t yc h a n n e l ，c o l o rc h a n n e la n dm o m e n tc h a n n e lw h i c h 3 山東大學(xué)碩士學(xué)位論文 i i c o n s t i t u t et h es a l i e n c ym a pi sa n a l y z e di n d e p t h , a n dt h e ni ti sa p p l i e di nt a r g e t d e t e c t i o n 、柝mc e n t r a lm o m e mi n s t e a do fc o l o r t h u si tt u r n so u tan e wt a r g e td e t e c t i o n b a s e do nb a c k g r o u n ds u b t r a c t i o na n ds a l i e n c ym a p t om o d e lt h eb a c k g r o u n d , t h e a v e r a g eo fs o m ef r a m e sb e f o r et h ec u r r e n tf r a m ei sc a l c u l a t e d t h ew h o l es t a b l eo b j e c t d e t e c t i o ns y s t e mi se s t a b l i s h e d ，w h e r ea l lt h em a p sa l eo b t a i n e da n dt h ep r i o r i m a x i m u mn u m b e ro fo b j e c t si nas i n g l ef l a m ed e t e r m i n e sw h e t h e rt h et a r g e ta p p e a r e d e x p e r i m e n t ss h o wt h a tt h ea l g o r i t h mc a nd e t e c tt h et a r g e tt h a ti s n o ts oc l e a r t h a t p r o v i d e sc o n v e n i e n c ef o rf u r t h e rp r o c e s s i n gs u c ha st r a c k i n ga n d c l a s s i f i c a t i o n b e c a u s et h ev i d e oi sc a p t u r e dw h i l et h ec a m e r ai sm o v i n ga h e a d ，as p e c i a lp o 缸 c a l l e df o c u so fe x p a n s i o n ( f o e ) e x i s t s a n o t h e rn e wo b j e c td e t e c t i o na l g o r i t h mb a s e d o nk f o er e s i d u a lm a pa n dr i n gs e g m e n t a t i o ni sp u tf o r w a r d ak a l m a nf i l t e ri sa p p l i e d t op r e d i c tt h ea c c u r a t ec o o r d i n a t eo ff o et oc a l c u l a t et h er e s i d u a lm a p a n dt h e na d i f f e r e n tt h r e s h o l di ss e ta c c o r d i n gt ot h ed i f f e r e n td i s t a n c eb e t w e e nt h eo 巧e c tc e n t e r a n df o ea n di su s e dt ou p d a t et h eo b j e c tt e m p l a t e f o e 4 k e y w o r d s ：t a r g e td e t e c t i o n , s a l i e n c ym 印，b a c k g r o u n du p d a t e ，r e s i d u a lm a p ， m f r a o f s d e m s d e i m o s s e c m 。弱 a u v f o e k - f o e m o t i o nf i e l d 山東大學(xué)碩士學(xué)位論文 o p t i c a lf l o w 一1e s t i m a t i o n 符號(hào)說明 m u l t i p l e 一1e s t i m a t i o n i n d e p e n d e n t l ym o v i n go b j e c t s s t r u c t u r ee l e m e n t c o n s p i c u o u sm a p w i n n e rt a k e 燦l a u t o n o m o u su n d e r w a t e rv e h i c l e f o c u so fe x p a n s i o n k a l m a n - f o c u so f e x p a n s i o n s v d s i n g u l a rv a l u ed e c o m p o s i t i o n i n t e n s i t i e s c mi n t e n s i t i e sc o n s p i c u o u sm a p o r i e n t a t i o n s c mo r i e n t a t i o n sc o n s p i c u o u sm a p c o l o r c mc o l o rc o n s p i c u o u sm 印 運(yùn)動(dòng)場(chǎng) 滑動(dòng)平均 光流 么估計(jì) 多么估計(jì) 獨(dú)立運(yùn)動(dòng)目標(biāo) 結(jié)構(gòu)元素 顯著圖 贏者全勝 水下自治系統(tǒng) 膨脹中心 k a l m a n 一膨脹中心 奇異值分解 亮度顯著圖 方向顯著圖 顏色顯著圖 5 山東大學(xué)碩士學(xué)位論文 第一章緒論 1 1 課題研究的背景和意義 本課題來源于國(guó)際合作項(xiàng)目海洋生物( 海蜇或魚類) 檢測(cè)分類及多體至群 體目標(biāo)的檢測(cè)跟蹤算法探索。 海洋工程產(chǎn)業(yè)未來發(fā)展前景廣闊，有望成為今后很長(zhǎng)一段時(shí)期內(nèi)我國(guó)經(jīng)濟(jì)增 長(zhǎng)和國(guó)民生產(chǎn)的一大亮點(diǎn)。最近，在中共中央關(guān)于制定國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第 十二個(gè)五年規(guī)劃的建議中，已經(jīng)把海洋工程單列出來，作為戰(zhàn)略性新興產(chǎn)業(yè)加 以培育。而研究海洋生物的檢測(cè)可為研究海洋生物的習(xí)性提供方便，也可在以后 開發(fā)利用海洋和發(fā)展循環(huán)經(jīng)濟(jì)中起重要作用。同時(shí)，海洋生物紛繁復(fù)雜，多種多 樣，給我們研究海洋視頻帶來了很大的挑戰(zhàn)性。 計(jì)算機(jī)視覺，作為信息技術(shù)領(lǐng)域的前沿課題之一，主要研究用計(jì)算機(jī)系統(tǒng)模 仿人類視覺系統(tǒng)處理外界信息。該課題的研究始于上個(gè)世紀(jì)六十年代，理論體系 形成于七十年代，由以m a r r 、b a r r o w 和t e n e n b a u m 等為代表的學(xué)者創(chuàng)型1 - 2 1 ，其 中以m a r r 建立的理論體系最為完善。計(jì)算機(jī)視覺理論體系的形成大大推動(dòng)了計(jì)算 機(jī)視覺研究的發(fā)展【3 】。 當(dāng)前，計(jì)算機(jī)視覺已經(jīng)被廣泛研究并應(yīng)用于安全監(jiān)控、工業(yè)檢測(cè)、智能交通、 生命科學(xué)、仿生科學(xué)、反恐、軍事等領(lǐng)域，并將向更多的領(lǐng)域延伸。相信計(jì)算機(jī)視 覺將在越來越多的領(lǐng)域給人類來帶來方便。因此研究計(jì)算機(jī)視覺具有非常深遠(yuǎn)的 意義。 1 2 目標(biāo)檢測(cè)研究現(xiàn)狀 l 目標(biāo)檢測(cè)含義 目標(biāo)檢測(cè)是計(jì)算機(jī)視覺中的一個(gè)重要而備受關(guān)注的研究?jī)?nèi)容，它利用模式識(shí) 別、計(jì)算機(jī)視覺、圖像分析等知識(shí)檢測(cè)圖像中我們所感興趣的內(nèi)容，如人臉、車 輛、動(dòng)物等。通常情況下，可分為單幅圖像和序列圖像的目標(biāo)檢測(cè)。運(yùn)動(dòng)目標(biāo)檢 6 一 山東大學(xué)碩士學(xué)位論文 測(cè)是檢測(cè)圖像中是否存在相對(duì)于整個(gè)場(chǎng)景運(yùn)動(dòng)的物體。通常來說，運(yùn)動(dòng)目標(biāo)是我 們所感興趣并且要進(jìn)行關(guān)注的目標(biāo)，在一個(gè)圖像序列中它們將是后期行為分析和 理解的對(duì)象。目前這方面的研究大多集中在少數(shù)目標(biāo)個(gè)體，如單個(gè)或者幾個(gè)人、 車輛、魚等的檢測(cè)、跟蹤、行為識(shí)別，以及人與車輛的交互行為等。2 0 0 7 年出現(xiàn) 了對(duì)群體目標(biāo)檢測(cè)的研究【4 】。 2 主要應(yīng)用領(lǐng)域 目標(biāo)檢測(cè)可自動(dòng)地檢測(cè)場(chǎng)景中我們感興趣的目標(biāo)，在許多領(lǐng)域有廣泛的應(yīng)用， 尤其是應(yīng)用在各部門的監(jiān)控系統(tǒng)中，例如：公安部門監(jiān)控可查看犯罪分子的行為； 交通監(jiān)控可查看鐵路、公路、飛機(jī)場(chǎng)等人客流情況；公共場(chǎng)所的監(jiān)控可查看超市、 銀行、停車場(chǎng)等運(yùn)營(yíng)情況；工程產(chǎn)線的監(jiān)控可查看機(jī)器零部件的工作情況；人體 行為監(jiān)控可查看賽程中的多個(gè)運(yùn)動(dòng)員的狀態(tài)；國(guó)防監(jiān)控可查看外敵入侵者等。這 些應(yīng)用節(jié)省了大量的人力、物力，提高了人類的智能化水平，方便了人們的生活。 3 國(guó)內(nèi)外研究現(xiàn)狀 在運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤方面，每年都有不少國(guó)際權(quán)威期刊，如i j c v ( i n t e r n a t i o n a lj o u r n e yo fc o m p u t e rv i s i o n ) 、c v i u ( c o m p u t e rv i s i o na n di m a g e u n d e r s t a n d i n g ) 、p a m i ( i e e et r a n s a c t i o n s o np a r e ma n a l y s i sa n dm a c h i n e i n t e l l i g e n c e ) 、i v c ( i m a g ea n dv i s i o nc o m p u t i n g ) 和重要的學(xué)術(shù)會(huì)議，如i c c v ( i n t e r n a t i o n a lc o n f e r e n c eo nc o m p u t e rv i s i o n ) 、c v p r ( i e e ec o m p u t e rs o c i e t y c o n f e r e n c eo nc o m p u t e rv i s i o na n dp a r e r nr e c o g n i t i o n ) 、e c c v ( e u r o p e a n c o n f e r e n c eo nc o m p u t e rv i s i o n ) 、i w v s ( i e e ei n t e r n a t i o n a lw o r k s h o po nv i s u a l s u r v e i l l a n c e ) ，都發(fā)表關(guān)于檢測(cè)和跟蹤的論文。i j c v 和p a m i 在2 0 0 0 年出版了關(guān) 于視覺監(jiān)控的?？＜永Ｄ醽喌膁 i r kw a l t h e r ( c a l i f o r n i ai n s t i t u t eo ft e c h n o l o g y p a s a d e n a , c a l i f o r n i a ) 與m o n t e r e yb a ya q u a r i u mr e s e a r c hi n s t i t u t e ( m b a r i ) ( 蒙特 雷灣水族館研究所) 合作研究了海底視頻海蜇的檢測(cè)跟蹤和分類【5 1 。另外，國(guó)際上 許多著名高校和研究所，如m i t 、c m u 、m e r l 等都設(shè)有相關(guān)的研究小組。在國(guó) 內(nèi)東南大學(xué)、上海交通大學(xué)、山東大學(xué)和中科院自動(dòng)化所等也都有相關(guān)課題組從 事運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方面的研究。此外，一些基于運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的系統(tǒng) 也被開發(fā)并應(yīng)用，如c m u 和戴維s a r n o f f 研究中心研制的v s a m 監(jiān)控系統(tǒng)， m a r y l a n d 大學(xué)的w 4 監(jiān)控系統(tǒng)等。 7 山東大學(xué)碩士學(xué)位論文 4 當(dāng)前的主要方法 就目標(biāo)檢測(cè)的方法而言，可總分為兩大類：?jiǎn)螏瑘D像目標(biāo)檢測(cè)和序列圖像目 標(biāo)檢測(cè)。運(yùn)動(dòng)目標(biāo)檢測(cè)根據(jù)不同的依據(jù)有多種分類方式，如下表。 表1 1 運(yùn)動(dòng)目標(biāo)檢測(cè)分類 分類依據(jù)包含類別 被監(jiān)控場(chǎng)景室內(nèi)檢測(cè)算法、室外檢測(cè)算法 具體使用算法連續(xù)幀問差分法、背景差分法、光流法 靜態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)算法 背景是否運(yùn)動(dòng) 動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)算法 本文研究的視頻是由在水下運(yùn)動(dòng)的攝像機(jī)拍攝的，具有動(dòng)態(tài)背景的運(yùn)動(dòng)目標(biāo) 檢測(cè)算法。該算法將單幀目標(biāo)檢測(cè)算法和序列圖像目標(biāo)檢測(cè)理論結(jié)合應(yīng)用。 ( a ) 單幀圖像目標(biāo)檢測(cè) 單幀圖像目標(biāo)檢測(cè)主要是應(yīng)用顏色、紋理、形狀等先驗(yàn)的二維信息來檢測(cè)單 幅靜態(tài)圖像中的目標(biāo)，如手勢(shì)、人臉、姿態(tài)、車牌、文本等。檢測(cè)的效果取決于 對(duì)目標(biāo)和背景特性的鑒別能力。單幀圖像中目標(biāo)檢測(cè)主要是利用圖像中的某些信 息對(duì)圖像進(jìn)行分割，方法及特點(diǎn)總結(jié)如下表： 表1 2 單幀目標(biāo)檢測(cè)方法定義及代表算法 單幀目標(biāo)檢測(cè) 定義代表性算法 方法 利用目標(biāo)與背景灰度差異， 基于灰度閾值將圖像中每一像素點(diǎn)視為目 直方圖分析方法 6 1 、最大類間方 的目標(biāo)分割方標(biāo)與背景兩類不同灰度級(jí)的 差法7 1 、最大熵分割法 法組合，選取合適閾值，分割 目標(biāo)與背景 基于邊緣信息檢測(cè)圖像中狄度值的劇烈變 s o b e l 和l a p l a c i a n 等經(jīng)典算子 的圖像分割方化，一般適用于重要特征附 法、多尺度方法【& 1 0 l 、最優(yōu)算子 法近不能形成閉合輪廓的情況法【1 4 】、自適應(yīng)平滑濾波方法1 5 】 8 ( b ) 序列圖像目標(biāo)檢測(cè) 山東大學(xué)碩士學(xué)位論文 一般情況下，我們對(duì)序列圖像中的運(yùn)動(dòng)目標(biāo)感興趣，所以對(duì)于序列圖像中的 目標(biāo)檢測(cè)一般指圖像序列中的運(yùn)動(dòng)目標(biāo)。而運(yùn)動(dòng)目標(biāo)不僅有在單幀圖像中顏色、 紋理、形狀等信息，還有時(shí)間和空間上的運(yùn)動(dòng)信息。所以對(duì)運(yùn)動(dòng)目標(biāo)的分析必須 聯(lián)合時(shí)空兩種信息。實(shí)際上，我們通常研究的目標(biāo)不是隨意的，而是具有時(shí)空連 續(xù)性的受時(shí)空約束的。序列圖像目標(biāo)檢測(cè)方法總結(jié)如下表： 表1 3 序列圖像目標(biāo)檢測(cè)方法定義及代表算法 序列圖像目標(biāo) 定義代表性算法 檢測(cè)方法 基于變換的利用某種形式的變換來實(shí)現(xiàn) f f t 方法、快速h a r t l e y 變換 ( f h t ) 方法、g a b o r 變換方法【1 6 】、 方法目標(biāo)檢測(cè) h o u g h 變換方法h 刀 基于像素分析根據(jù)圖像中像素灰度模式的 幀差法、相關(guān)算法【1 引、光流法 的方法 變化實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè) 基于特征檢測(cè)提取目標(biāo)特征計(jì)算特征之間 基于1 l s t a i 和t s h u a n g 提出的 利用兩幀圖像中多個(gè)對(duì)應(yīng)幾何特 的方法的相關(guān)性 征點(diǎn)的代數(shù)解法【1 9 1 5 存在的難題 雖然許多研究者做出了大量努力，提出了多種運(yùn)動(dòng)目標(biāo)檢測(cè)方法，但在運(yùn)動(dòng) 目標(biāo)檢測(cè)方面仍存在著許多問題： ( 1 ) 沒有找到一種通用的方法適合所有場(chǎng)景； ( 2 ) 許多檢測(cè)方法對(duì)環(huán)境( 如光照、天氣) 等敏感： ( 3 ) 無法區(qū)分疊加的運(yùn)動(dòng)目標(biāo)； ( 4 ) 算法的實(shí)時(shí)性不高； ( 5 ) 不能完整地提取摻雜背景運(yùn)動(dòng)的運(yùn)動(dòng)目標(biāo)。 6 水下視頻特點(diǎn)分析及研究現(xiàn)狀 本研究針對(duì)如何檢測(cè)海底視頻中的海蜇進(jìn)行了研究，該視頻具有以下特點(diǎn)： 該視頻的主要特點(diǎn)是：視頻中有大量海水，顏色為單一的淺藍(lán)色，目標(biāo)與 雜質(zhì)顏色均不明顯，背景比較單一； 9 山東大學(xué)碩士學(xué)位論文 某些完整目標(biāo)，從頭到尾，亮度不一致，如頭部較亮，尾巴部分與背景相 比不明顯，甚至人眼幾乎難以分辨； 視頻中的目標(biāo)尺寸有大有小，一部分海蜇有較長(zhǎng)的尾巴，另一部分則形如 小的圓形； 從運(yùn)動(dòng)狀態(tài)看，目標(biāo)與雜質(zhì)基本一致； 攝像機(jī)一直往前移動(dòng)，干擾目標(biāo)。 此處，在數(shù)字圖像和計(jì)算機(jī)視覺領(lǐng)域，對(duì)水下目標(biāo)檢測(cè)的研究都是基于前面 提到的單幀圖像目標(biāo)檢測(cè)的算法和序列圖像目標(biāo)檢測(cè)算法。 1 3 本文的創(chuàng)新與內(nèi)容 1 3 1 本文的創(chuàng)新 本文主要有以下幾點(diǎn)創(chuàng)新： l 深入分析了顯著性圖的基本理論。詳細(xì)闡述了顯著性圖各個(gè)通道的計(jì)算過 程和主要步驟，尤其對(duì)顏色通道做了討論，最后用不同圖像驗(yàn)證分析顯著性圖理 論，得出針對(duì)不同的圖像應(yīng)選用不同的特征分析，以便得到更好的效果。 2 提出了基于傳統(tǒng)背景差分法和顯著性圖理論的水下目標(biāo)檢測(cè)算法。針對(duì)海 底視頻特點(diǎn)，采用時(shí)空結(jié)合的方法，首先對(duì)背景進(jìn)行建模，然后應(yīng)用顯著性圖理 論得到該視頻的顯著性圖，從而更好地將目標(biāo)分割出來。利用單幀視頻中目標(biāo)的 最大個(gè)數(shù)判斷視頻中是否有目標(biāo)存在，取代了神經(jīng)網(wǎng)絡(luò)非常耗時(shí)計(jì)算。 3 結(jié)合攝像機(jī)運(yùn)動(dòng)狀態(tài)和視頻中的目標(biāo)特點(diǎn)，提出了一種基于殘差圖和環(huán)形 分割的算法。因?yàn)橐曨l中目標(biāo)較小且沒有復(fù)雜的背景，所以每幀圖像中可利用的 特征點(diǎn)較少，故應(yīng)用全局速度估計(jì)f o e 點(diǎn)并用k a l m a n 濾波器對(duì)其進(jìn)行精確預(yù)測(cè)， 然后估計(jì)出攝像機(jī)的運(yùn)動(dòng)并計(jì)算殘差圖。再利用目標(biāo)與f o e 點(diǎn)的距離選取不同的 閾值分割目標(biāo)與背景。該種方法只適用于目標(biāo)較小且攝像機(jī)一直向前運(yùn)動(dòng)的情況。 1 0 1 3 2 本文的內(nèi)容 本文主要是檢測(cè)水下視頻中的海蜇。該視頻是由運(yùn)動(dòng)在水下的攝像機(jī)拍攝的， 山東大學(xué)碩士學(xué)位論文 鼉鼉鼉! ! ! ! 曼皇曼! 皇! 皇! 皇鼉皇苧! ! ! ! ! 詈皇曼皇詈皇曼詈苧曼曼! 曼鼉! ! 曼! 暑詈鼉詈! 皇! 詈魯詈鼉曼h i , 皇曼曼蘭皇置! ! 皇曼皇詈鼉曼! ! 鼉皇曼曼! ! ! ! ! 曼詈皇 視頻中的海蜇與我們平時(shí)在陸上所見海蜇并不相同，具有目標(biāo)小、亮度不均、肉 眼也難以分辨的特點(diǎn)，甚至背景的運(yùn)動(dòng)也摻雜在海蜇的運(yùn)動(dòng)中，給我們檢測(cè)海蜇 帶來了很大的困難。此處首先分析運(yùn)動(dòng)目標(biāo)檢測(cè)常用算法，后提出兩種適用于本 視頻的目標(biāo)檢測(cè)方法：第一，用背景差法，并結(jié)合單幀圖像目標(biāo)檢測(cè)理論即顯著 性圖理論來檢測(cè)水下弱小目標(biāo)一海蜇；第二，運(yùn)用攝像機(jī)運(yùn)動(dòng)特點(diǎn)和殘差圖理論 檢測(cè)海蜇。 本文共分為五章，每章內(nèi)容安排如下： 第一章簡(jiǎn)要介紹課題研究的背景和意義，目標(biāo)檢測(cè)研究現(xiàn)狀，以及本文所研 究的視頻的特點(diǎn)和內(nèi)容與創(chuàng)新。 第二章概括當(dāng)前靜止背景和動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)算法，主要討論自適應(yīng) 背景差法。 第三章在顯著性圖理論的基礎(chǔ)上，提出了一種應(yīng)用背景差分法和顯著性圖理 論的海底目標(biāo)檢測(cè)算法，該方法能很好地檢測(cè)水下弱小目標(biāo)。 第四章應(yīng)用計(jì)算機(jī)視覺知識(shí)給出了一種估計(jì)f o e 位置的方法，并提出了一種 基于k k o e 殘差圖和環(huán)形分割的水下目標(biāo)檢測(cè)算法。 第五章回顧了本文所做的工作并展望下一步的研究。 山東大學(xué)碩士學(xué)位論文 第二章運(yùn)動(dòng)目標(biāo)檢測(cè) 視頻中通常有兩類區(qū)域，一類為變化區(qū)域，稱為目標(biāo)，往往是我們感興趣的 區(qū)域；另一類為不變區(qū)域，稱為背景。運(yùn)動(dòng)目標(biāo)檢測(cè)是從序列圖像中將目標(biāo)從背 景中分割出來，它判斷視頻圖像序列是否有前景目標(biāo)的運(yùn)動(dòng)，如果有則提取目標(biāo)。 也就是說，運(yùn)動(dòng)目標(biāo)檢測(cè)，是一個(gè)對(duì)目標(biāo)初始定位的過程。它是數(shù)字圖像處理技 術(shù)和計(jì)算機(jī)視覺的一個(gè)主要部分，是智能視覺監(jiān)控的第一步，位于整個(gè)視頻監(jiān)控 的最底層，對(duì)目標(biāo)跟蹤、分類、識(shí)別和行為分析等起著至關(guān)重要的作用。一般， 一個(gè)理想的運(yùn)動(dòng)目標(biāo)檢測(cè)應(yīng)具有以下特征： ( 1 ) 適應(yīng)各種場(chǎng)景：辦公室、道路、超市等： ( 2 ) 適應(yīng)各種天氣：陰、晴、雨、雪、霧等； ( 3 ) 適應(yīng)各種光線：光照強(qiáng)、光照弱、光照突變等； ( 4 ) 適應(yīng)目標(biāo)交叉重疊的情況：并行、交叉經(jīng)過等； ( 5 ) 適應(yīng)背景運(yùn)動(dòng)的干擾：樹枝的擺動(dòng)、波浪等。 實(shí)際應(yīng)用中，大多監(jiān)控系統(tǒng)的攝像頭都是固定的，拍攝的視頻中背景是不動(dòng) 的。也有攝像機(jī)隨著設(shè)備的運(yùn)動(dòng)而運(yùn)動(dòng)的，如自治導(dǎo)航系統(tǒng)等。根據(jù)拍攝的背景 與攝像頭之間是否有相對(duì)運(yùn)動(dòng)，將運(yùn)動(dòng)目標(biāo)檢測(cè)算法分為兩類：靜態(tài)背景下的運(yùn) 動(dòng)目標(biāo)檢測(cè)和動(dòng)態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)。 靜態(tài)場(chǎng)景，就是攝像機(jī)固定在某處而拍攝的視頻，動(dòng)態(tài)場(chǎng)景是在攝像機(jī)運(yùn)動(dòng) 時(shí)拍攝的視頻。前種情況下背景相對(duì)攝像頭是靜止的，只有目標(biāo)在運(yùn)動(dòng)；后種情 況相對(duì)于攝像頭，背景和目標(biāo)都在運(yùn)動(dòng)。 下面在數(shù)學(xué)上推導(dǎo)運(yùn)動(dòng)目標(biāo)檢測(cè)方法。假設(shè)單幅圖像和序列圖像分別以二元 函數(shù)f ( x ，y ) 和三元函數(shù)f ( x ，y ，f ) 來表示，x ，y 分別為圖像的二維坐標(biāo)，t 為時(shí)間。 f 一1 和t 時(shí)刻分別對(duì)應(yīng)f c x ，y ，t 一1 ) 和f ( x ，y ，) 。一般將時(shí)間t 離散化，用視頻序列幀 數(shù)k 來表示。則f ( x ，y ，卜，1 ) 和f ( x ，y ，f ) 可表示為f ( x ，y ，k - 1 ) 和f ( x ，y ，七) 。假設(shè)t 一1 到f 時(shí)刻場(chǎng)景中有物體發(fā)生運(yùn)動(dòng)，那么f c x ，y ，k - 1 ) 和f ( x ，y ，七) 必不相等。若將靜止 1 2 山東大學(xué)碩士學(xué)位論文 看做一種特殊運(yùn)動(dòng)，則背景與前景在這一段時(shí)間的運(yùn)動(dòng)肯定是不同的。運(yùn)動(dòng)目標(biāo) 檢測(cè)正是基于這種運(yùn)動(dòng)的不同來檢測(cè)前景的。 2 1 靜態(tài)場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè) 靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)算法比較簡(jiǎn)單，主要克服傳感器噪聲、背景擾動(dòng)、 光照變化等不利因素。按其原理主要分為三類：時(shí)間差分法 2 0 2 1 1 、背景差分法 2 2 - 3 3 1 、 光流法 3 4 - 3 6 l ，此外還有基于熵的方法 3 7 - 3 8 1 等。 2 1 1 時(shí)間差分法 如前所述，若有運(yùn)動(dòng)的目標(biāo)，貝l jf ( x ，y ，k 1 ) 和f ( x ，y ，k ) 必不相等。在靜態(tài)場(chǎng) 景下，這種不等就表征了目標(biāo)的運(yùn)動(dòng)。時(shí)間差分法就是應(yīng)用這種不等，來檢測(cè)運(yùn) 動(dòng)目標(biāo)。首先計(jì)算視頻圖像序列中連續(xù)兩幀或三幀中對(duì)應(yīng)位置像素的差值，再與 一定的閾值相比較，最后判斷是否存在運(yùn)動(dòng)目標(biāo)。如f ( x ，y ，k ) 表示第k 幀圖像， f ( x ，y ，k f ) 表示第七一州l 貞圖像，f 表示差分幀的間隔，通常由物體的運(yùn)動(dòng)速度確 定。首先根據(jù)式( 2 1 ) 計(jì)算第k 幀和第k f 幀圖像的絕對(duì)差分，得到差分圖像，然 后用某一閾值丁對(duì)差分圖像二值化( 式( 2 2 ) ) ，大于該閾值設(shè)為1 ，為前景，否則 為零0 ，屬于背景。 d ( x ，y ，k ) = l s ( x ，y ，七) 一s ( x ，y ，k f ) i ( 2 1 ) 卟烘爐托籌。班砷m ( 2 2 ) 其中，閾值丁根據(jù)經(jīng)驗(yàn)設(shè)定，也可根據(jù)某些方法計(jì)算閾值，如類間方差閾值法 ( o s t u ) 、基于直方圖的閾值法等。 該方法計(jì)算簡(jiǎn)單，實(shí)時(shí)性好。但是，對(duì)圖像序列來說，它雖然充分利用了幀 間信息，但是忽略了幀內(nèi)信息，導(dǎo)致某些缺陷( 如圖2 1 ) ：( 1 ) 孔洞效應(yīng)：當(dāng)運(yùn)動(dòng) 目標(biāo)存在大量顏色一致區(qū)域時(shí)，y ( x ，y ，七) 和廠( x ，y ，七一f ) 在相減的過程中，目標(biāo)內(nèi) 部相減為零，出現(xiàn)孔洞；( 2 ) 拉伸效應(yīng)：檢測(cè)出的目標(biāo)比實(shí)際目標(biāo)大，尤其是當(dāng) 運(yùn)動(dòng)目標(biāo)具有多幀運(yùn)動(dòng)信息時(shí)，該情況更明顯。 1 3 山東大學(xué)碩士學(xué)位論文 ( a ) t - 1 時(shí)刻幀 c o ) t 時(shí)刻幀( c ) 幀差圖像 圖2 1 時(shí)間差分法的空洞效應(yīng)和拉伸效應(yīng) 對(duì)時(shí)間差分法存在的缺陷，不少人提出了改進(jìn)算法，如三幀差法、結(jié)合邊界 信息等。由于時(shí)間差分法運(yùn)算簡(jiǎn)單，對(duì)于靜止背景下的檢測(cè)有一定效果，所以時(shí) 間差分法常常與背景差分法等方法結(jié)合使用，用以檢測(cè)光線突變的情況【3 9 】。 2 1 2 背景差分法 背景差分法是目前最常用的一種方法。主要原理是創(chuàng)建場(chǎng)景的一個(gè)背景模型， 然后與當(dāng)前輸入圖像相比較，從而得出運(yùn)動(dòng)目標(biāo)。背景差分法主要適用于靜止背 景下的運(yùn)動(dòng)目標(biāo)檢測(cè)，與時(shí)間差分法相比較，可以獲得較完整準(zhǔn)確的運(yùn)動(dòng)目標(biāo)區(qū) 域。背景差分法檢測(cè)運(yùn)動(dòng)目標(biāo)有圖2 2 幾個(gè)關(guān)鍵步驟： i 預(yù)處理：濾波去噪卜 景，滑動(dòng)平均背景l(fā)。i 一爪佐川 l 圖2 2 背景差分法關(guān)鍵步驟 預(yù)處理主要是應(yīng)用均值濾波、中值濾波、高斯濾波等多種方法對(duì)視頻序列圖 像進(jìn)行濾波，去除噪聲。 背景建模的方法有很多：如高斯背景模型，滑動(dòng)平均背景模型等。 d ( x ，y ，七) = l 廠( z ，y ，七) 一召( x ，y ，七) i ( 2 3 ) s 似燦) = 仨署“烘d h ( 2 4 ) 式( 2 3 ) 和( 2 4 ) 是背景差分法的典型公式。b ( x ，y ，k ) 表示第k 幀的背景圖像。由 當(dāng)前幀與參考背景圖像的差，得到差分圖像o ( x ，y ，k ) ，然后將此差分圖像二值化， 當(dāng)差分圖像中的k y ) 位置亮度值d ( 毛乃七) 大于某一閾值丁時(shí)，即認(rèn)為該點(diǎn)為運(yùn)動(dòng) 1 4 山東大學(xué)碩士學(xué)位論文 點(diǎn)( 前景點(diǎn)) 。同理，s ( x ，y ，七) 與上一小節(jié)定義相同。 2 1 3 光流法 首先來了解一下運(yùn)動(dòng)場(chǎng)，看下面兩圖： 圖2 3 光流表征運(yùn)動(dòng)場(chǎng) 5 習(xí)陌孵陶 享：# j f _ 十l ：卜- - -1 r r r i 1 1 。r r l i l 莘：莩l t j 十i 車：# i 卅i ：l ”t 卅洲l 上：上i 卅li - i f _ _ - - - _ _ - o l ：三疊蛐刪 圖2 4 光流與運(yùn)動(dòng)場(chǎng)不一致 當(dāng)目標(biāo)運(yùn)動(dòng)時(shí)，圖像上會(huì)有像素值的改變。假設(shè)用運(yùn)動(dòng)向量表示圖像上每個(gè) 像素點(diǎn)的運(yùn)動(dòng)，則所有的運(yùn)動(dòng)向量就構(gòu)成了運(yùn)動(dòng)場(chǎng)( m o t i o nf i e l d ，) 。但是， 在圖像亮度比較均勻的區(qū)域或亮度等值線上的點(diǎn)都不能唯一地確定該點(diǎn)的運(yùn)動(dòng)向 量，僅僅能觀察到目標(biāo)表現(xiàn)出了運(yùn)動(dòng)，稱此為“表觀運(yùn)動(dòng) ，如圖2 3 。光流( o p t i c a l f l o w ，o f ) 就是表示圖像亮度模式的表觀運(yùn)動(dòng)，它指二維圖像平面特定坐標(biāo)點(diǎn)上 的灰度瞬時(shí)變化率。光流場(chǎng)是一個(gè)速度矢量場(chǎng)，代表各像素瞬時(shí)運(yùn)動(dòng)速度矢量。 通常，光流場(chǎng)與運(yùn)動(dòng)場(chǎng)是沒有太大區(qū)別的( 如圖2 3 ) ，可用前者來估計(jì)后者。但 是也有不一致的情況，如圖2 4 所示，表面上涂有斜線逆時(shí)針轉(zhuǎn)動(dòng)的圓柱體，真 實(shí)的運(yùn)動(dòng)軌跡是自左至右，而計(jì)算出的光流是自下而上的，光流場(chǎng)與運(yùn)動(dòng)場(chǎng)并不 相同。 h o r n 和s c h u n c k 3 4 】最先提出光流場(chǎng)。他們根據(jù)照度不變?cè)砗推交s束條件， 利用圖像上所有像素點(diǎn)建立方程，然后利用數(shù)學(xué)方法( 如：高斯若當(dāng)消去法 1 5 山東大學(xué)碩士學(xué)位論文 ( g a u s s - j o r d a ne l i m i n a t i o n ) 、高斯一賽德爾( g a u s s s e i d e l ) 迭代法) 等求解方程組， 得到光流值，進(jìn)一步得到運(yùn)動(dòng)區(qū)域。 近年來，在光流的研究方面又有許多創(chuàng)新，如將光流算法分為基于梯度、基 于匹配、基于能量、基于相位等幾類 3 5 1 。經(jīng)典的l u c 嬲k 觚a d e 【3 q 可以用來計(jì)算旋 轉(zhuǎn)目標(biāo)的光流。其原理是引入了局部差分法的概念，假設(shè)在一個(gè)小的空間鄰域上 運(yùn)動(dòng)矢量保持恒定，然后使用加權(quán)最小二乘法估計(jì)光流。但是這些改進(jìn)的方法仍 然不能解決光流運(yùn)算量大的問題，造成當(dāng)前很多硬件不支持，所以光流法很少在 實(shí)時(shí)監(jiān)控系統(tǒng)中采用。 光流攜帶大量的運(yùn)動(dòng)信息，不同的運(yùn)動(dòng)區(qū)域有不同的光流場(chǎng)，同一目標(biāo)的光 流近似或規(guī)律近似，不同目標(biāo)的光流有較大不同。所以可采用最小相似性規(guī)則的 聚類分析等方法，利用光流檢測(cè)運(yùn)動(dòng)目標(biāo)。 此外，某些情況下，有些景物豐富的三維結(jié)構(gòu)信息也包含在光流中，為估計(jì) 攝像機(jī)的運(yùn)動(dòng)提供了方便。但是光流也存在孔徑問題和遮擋問題，在噪聲較多或 目標(biāo)與背景對(duì)比度很小時(shí)會(huì)有很多誤檢。 2 1 4 基于時(shí)空熵的方法 視頻圖像序列中，每個(gè)時(shí)刻每幅圖像任何位置的像素都可能發(fā)生變化，也就 是說任何一點(diǎn)的值都是不確定的。則可以利用這種不確定性判斷每一像素是否屬 于運(yùn)動(dòng)目標(biāo)。衡量不確定性的度量就是熵。這就提供了目標(biāo)檢測(cè)的另一種方法： 基于時(shí)空熵的方法。該方法先計(jì)算以每個(gè)像素為中心的時(shí)間和空間上的差分圖像 像素( 或所有像素) 組成的統(tǒng)計(jì)空間的熵，然后將此熵與設(shè)定的閾值相比較，若 大于該閾值則為前景點(diǎn)。 2 2 動(dòng)態(tài)場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè) 2 2 1 攝像機(jī)的運(yùn)動(dòng)模型 攝像機(jī)的基本運(yùn)動(dòng)一般有升降、左右平移和推拉運(yùn)動(dòng)，對(duì)應(yīng)的鏡頭運(yùn)動(dòng)有豎 掃、平掃和縮放，此外還有各個(gè)運(yùn)動(dòng)的組合( 如旋轉(zhuǎn)) 等。下面參照文獻(xiàn)【4 0 】定義 1 6 山東大學(xué)碩士學(xué)位論文 攝像機(jī)的運(yùn)動(dòng)描述( 圖2 5 ) 和幾何模型( 圖2 6 ) ，圖像示例以及公式推導(dǎo)如下： 升降 豎掃。 7 衛(wèi) 。代n d ! 荔v 縮放- 弋 t t i o n ) 平扭 ( z o o m ) ( p a n ) 1 圖2 5 攝像機(jī)的運(yùn)動(dòng)描述 圖2 6 攝像機(jī)的幾何模型 圖2 6 為攝像機(jī)的幾何模型。三維場(chǎng)景中的任意點(diǎn)尸= ( x ，y ，z ) ，對(duì)應(yīng)的投 影n - 維成像平面p = ( x ，少) 。，攝像機(jī)的焦距為廠，則根據(jù)投影關(guān)系有 x ：f x z ( 2 5 ) 程 - 。 爐芎 攝像機(jī)模型到攝像機(jī)三維運(yùn)動(dòng)有： y = t + o x p ( 2 6 ) 其中v = ( v x ，v r ，v z ) 表示三維場(chǎng)景尸點(diǎn)的運(yùn)動(dòng)速度，t = ( t x ，t r ，t z ) 為該點(diǎn)在三 維場(chǎng)景中的平移分量，q = ( 面j ，面，r ，面z ) 表示尸點(diǎn)分別繞三個(gè)軸旋轉(zhuǎn)的角速度。成 像平面任一點(diǎn)p = ( x ，y ) 運(yùn)動(dòng)速度為： 1 7 山東大學(xué)碩士學(xué)位論文 另由攝像機(jī)運(yùn)動(dòng)模型有： 、 盔 u ( x ，”2 _ 西 、 西 v ( x ，”2 _ 識(shí) x j = t x q y z q 程 z 、= t z 4 - q x y q y x ( 2 7 ) ( 2 8 ) ( x ，y ) ：一等脅+ ( 廠+ 善) 伽一y 億+ t x - ，x zt z 一廠 一黜1 + 爭(zhēng) 1 ，( x ，y ) ：- ( f + 蕁) 脅+ 罷伽+ x 億一 爭(zhēng)爭(zhēng) 黜+ 乒 文獻(xiàn)【4 0 】討論了攝像機(jī)不同運(yùn)動(dòng)情況下對(duì)應(yīng)的的光流分布，具體如圖2 7 ： 這里所說的小視角和大視角范圍分別是指小于1 5 度和大于1 5 度。由上圖可 以看出，攝像機(jī)平動(dòng)和小視角平掃時(shí)，光流是水平方向；大視角時(shí)，圖像邊緣部 分的光流出現(xiàn)彎曲；攝像機(jī)縮放時(shí)，光流( 或延長(zhǎng)線) 匯聚于一點(diǎn)( f o e ，第四 章會(huì)提到) ；攝像機(jī)