基于全局光流的群體性異常行為檢測算法研究與實現(xiàn).pdf

1、在計算機視覺領域中，基于圖像序列的光流計算及三維重建技術(shù)研究已經(jīng)成為一個熱點問題。自1981年，Horn與Schunck提出了經(jīng)典的光流算法后，為后續(xù)國內(nèi)外許多專家學者研究光流領域提供了借鑒。與此同時，光流算法在社會生活的各個領域顯示出了越來越重要的地位，如工業(yè)機器人的視覺系統(tǒng)，無人機目標檢測與導航系統(tǒng)，空間衛(wèi)星照片的自動分析與跟蹤系統(tǒng)以及醫(yī)學圖像分析和診斷系統(tǒng)等，尤其是圖像分割與運動目標檢測應用更為突出，目前已經(jīng)被廣泛應用于醫(yī)學領域、

2、軍事領域、智能領域等。
　　本文針對復雜場景，對Horn-Schunck全局光流算法進行了研究及改進，提出了基于全局光流的群體性異常行為檢測算法，具體研究步驟及創(chuàng)新點如下:
　　針對Horn-Schunck全局光流算法的全局平滑約束迫使所估計的光流平滑的穿過每一區(qū)域，當平滑項系數(shù)因子選擇過大時，會平滑掉物體形狀非常重要的信息，為光流的計算帶來較大的誤差。本文采用基于全變分正則化(ROF)模型處理圖像，進而得到紋理圖，作為光流

3、計算的輸入圖像。
　　輸入圖像經(jīng)高斯濾波后，利用多分辨率分層細化方法得到圖像金字塔結(jié)構(gòu)，不需要考慮原圖像中大位移運動尺度的限制，在圖像分層過程中縮小了位移量。采用雙三次插值初始化每層光流矢量，通過有限迭代使每層光流解達到穩(wěn)態(tài)，對于因噪聲等造成的異常光流矢量，提出采用自適應鄰域修正法對異常光流矢量進行修正，提高算法精度。
　　將群體目標看成一個整體，把輸入視頻圖像的每一個像素點看成一個粒子，采用正向與逆向相結(jié)合的方式進行有限時