光流算法比较分析的研究.docVIP

光流算法比较分析的研究 　　摘 要： 运动目标检测是计算机视觉中重要的课题，运动目标的正确检测与正确分割影响着后续目标的跟踪与识别；光流法是运动目标检测和分析的重要方法，它能够在不知道任何预先场景情况下检测出独立的运动目标，并且可适用于动态场景的情况。首先介绍了光流的基本概念，然后介绍了常用的光流的四种算法；接着以智能交通中路口车辆视频为例，将这四种光流算法用于车辆检测，然后对四种光流算法的优缺点进行分析；最后对光流法在未来可能研究及改进的方向提出展望。 　　关键词： 光流算法； 车辆检测； 智能交通； 计算机视觉 　　中图分类号： TN911.7?34 文献标识码： A 文章编号： 1004?373X（2013）13?0039?04 　　Comparative analysis of optical flow algorithms 　　ZHANG Jia?wei1， ZHI Rui?feng2 　　（1. North China University of Technology， Beijing 100144， China； 2. Tianshui Power Supply Corporation， Tianshui 741000， China） 　　Abstract： Moving object detection is currently one of the most active subjects in the domain of computer vision. Moving object detection and segmentation influence tracking and classification of the follow?up objects. Optical flow algorithm is an important method for moving object detection and analysis. It can detect the independent moving object in unknown scene and dynamic scene. The basic concept of optical flow is introduced in this paper at first and then the four common optical flow algorithms， which are applied to detection of vehicles at the crossroads in intelligent transportation video. The advantages and disadvantages of the four optical flow algorithms are analyzed while possible researches and modified direction prospect of the optical flow algorithms are proposed at the end. 　　Keywords： optical flow algorithm； vehicle detection； intelligent transportation； computer vision 　　0 引 言 　　基于视频的运动目标检测的目的就是要在序列图像中将运动目标从场景中提取出来。但是由于光照的影响、风吹、树叶摆动、运动目标阴影、摄像机抖动以及运动目标的遮挡现象给运动目标的正确检测造成了极大的困难。运动目标能否正确检测和分割影响着后续运动目标能否正确跟踪与识别，因此运动目标检测成了计算机视觉中的一项重要课题。传统的运动目标检测方法有光流算法[1?2]，帧间差分法[3]，背景建模法[4]和运动能量法[5]。背景建模法通过建立背景模型，然后将当前帧中每个像素点与背景模型进行比较来确定背景图像。但是背景往往会随着时间的推移发生变化，需要时刻更新背景图像，需要背景图像自适应的更新。帧间差分法可以适应环境的动态变化，可以实现运动目标的实时检测，但检测出的目标存在空洞严重且不连续。 　　光流场是指图像灰度模式的表面运动[6]，光流是三维运动场在二维图像平面上的投影；研究光流算法是利用图像序列中灰度的时域、空域变化和相关性来确定图像像素的运动矢量，也就是研究图像灰度在时间上变化的大小和方向。研究光流算法的目的就是从图像中得到运动目标的运动矢量。因为光流的计算不需要预先知道场景的信息，不需要在图像中建立起特征之间的对应关系，所以光流计算属于高层次的视觉表述。目前，光流法被广泛地应用于目标检