1、目標(biāo)檢測(cè)是計(jì)算機(jī)視覺的一項(xiàng)重要研究?jī)?nèi)容,它直接影響著后續(xù)對(duì)目標(biāo)的識(shí)別和跟蹤、對(duì)場(chǎng)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(chǎng)、運(yùn)動(dòng)補(bǔ)償、幀間差分等思想,提出了一種基于SIFT矢量場(chǎng)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。
　　 光流場(chǎng)算法是在假設(shè)亮度不變的條件下,通過對(duì)圖像中的像素點(diǎn)做運(yùn)算來構(gòu)建出運(yùn)動(dòng)矢量場(chǎng),進(jìn)而進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)的一種算法。受光流場(chǎng)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(jìn)行匹配,然后通過對(duì)匹配到的SIFT特征做運(yùn)算來建立SIFT矢量場(chǎng)。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(diǎn)的數(shù)目,因此SFIT矢量場(chǎng)較光流場(chǎng)更穩(wěn)定,生成速度更快。接下來,對(duì)得到的SIFT矢量場(chǎng)中的矢量進(jìn)行聚類分析,聚類得到的每個(gè)分類或是代表背景或是代表一個(gè)目標(biāo)。為了區(qū)別背景和目標(biāo),可以通過計(jì)算每個(gè)分類的類內(nèi)距離來進(jìn)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(duì)每個(gè)目標(biāo)根據(jù)其所對(duì)應(yīng)的分類中的矢量大小進(jìn)行運(yùn)動(dòng)補(bǔ)償,使兩幀圖像中的目標(biāo)區(qū)域重合并對(duì)其進(jìn)行差分運(yùn)算,然后再對(duì)差分圖進(jìn)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(shí)一般都是針對(duì)白色區(qū)域,所以為了后續(xù)處理的需要必須對(duì)其進(jìn)行反相,使目標(biāo)區(qū)變?yōu)榘咨?。最?對(duì)反相后的圖像進(jìn)行形態(tài)學(xué)處理以消除噪聲,這時(shí)就可以得到目標(biāo)的輪廓了。
　　 實(shí)驗(yàn)表明,該算法不但可以用于靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè),還可以用于動(dòng)態(tài)背景