模板匹配：基于区域的匹配
模板
原图
像素灰度 100的边框
像素灰度0 的边框
跟踪图像
重心匹配：基于特征的匹配
原图
像素灰度100 的十字标记
像素灰度50 的十字标记
跟踪图像
模板匹配与重心匹配的比较
• 模板匹配：检测两个目标一共要用2812毫 秒，非常耗时
• 重心匹配：检测两个目标只需要15毫秒 ， 处理检测的速度比较快
6×6的网格
网格聚类填充
车体中不连通的 部分大致被填充
中值滤波
6×6的网格
行程编码区域标记
实验中用50×N的灰度对第N个目标进行标记
灰度为一百 灰度为五十
标记后的图像
扫描车体位置
依据目标像素灰度对目标进行扫描，扫描后给目标 加上边框
两个目标的位置已 经较为准确的找到
匹配算法
• 基于特征的匹配 • 基于区域的匹配 • 基于模型的匹配 • 基于灰度相关的匹配
• 实验中并未涉及当目标被遮挡住，或者多个目标重叠成一 块分割块时的处理方法。如果能解决这一问题，只要将算 法改成循环读入序列图像，就可以实现实时跟踪多个目标
谢谢大家！
• 局限： ◆ 摄象机的拍摄尽量俯拍，不要拍到路边的树和人
◆ 要求车体目标不能靠的太近 ◆ 差分的两幅图像帧数相隔不能太远
三个目标的匹配
标记
匹配
展望
• 本文中只使用了两帧图像进行差图像，可以考虑使用多帧 图像进行相互差图
• 本实验中寻找重心的算法较为简单，当目标的形状较为复 杂时，重心的寻找还需要设计新的算法
多目标匹配的算法流程
预处理 标记
匹配
差值图像
除去相对静止的背景，初步提取 目标
两个运动目标 被初步提取
第一帧图像
第三帧图像
前两帧图像的差值结果
自适应阈值分割
将图像二Leabharlann 化，进一步提取目标差值结果
阈值分割后的二值图
中值滤波
除去噪声，突出图像细节
二值图
3×1中值滤波
网格聚类填充
使车体完整，形状规则，还消除部分噪声
毕业设计论文答辩
序列图像的 多目标的匹配与检测
答辩人 ：蒋 丽 指导教师 ：黎 宁
课题研究的定义和意义
• 定义：目标匹配就是分析研究序列图像，计算出 目标在每帧图像上的二维位置坐标，并根据不同 的特征值将序列图像中不同帧中的同一运动目标 关联起来，得到各个运动目标完整的运动轨迹
• 意义：在医学研究、交通监视、客流量统计、天 文观测等领域有着非常重要的价值
实验结果分析
我们在VC++软件平台上实现了全部算法，并进行了两个目标和 三个目标的跟踪匹配。匹配两个目标共会消耗时间为三十二毫秒，匹 配三个目标共会消耗时间三十五毫秒。十次对不同帧图像的匹配结果 准确率为100%， 对同样图像匹配的结果正确率也是100%。
• 优点： ◆ 可以实现多目标的跟踪
◆ 实时性强