目标检测方法

1. 运动目标检测与跟踪 都有哪些方法

第一章介绍运动的分类、计算机视觉领域中运动分析模型、计算机视觉领域运动检测和目标跟踪技术研究现状、计算机视觉领域中运动分析技术的难点等内容；第二章介绍传统的运动检测和目标跟踪算法，包括背景差分法、帧间差分法、光流场评估算法等；第三章介绍具有周期性运动特征的低速目标运动检测和跟踪算法，并以CCD测量系统为例介绍该算法的应用；第四章介绍高速运动目标识别和跟踪算法，并以激光通信十信标光捕获和跟踪系统为例介绍该算法的应用；第五章介绍具有复杂背景的目标运动检测过程中采用的光流场算法，包括正规化相关的特性及其改进光流场评估算法，并介绍改进光流场算法的具体应用；第六章介绍互补投票法实现可信赖运动向量估计。

2. 视频中的目标检测与图像中的目标检测具体有什么区别

如果说视频检测的目标也是找到每一帧中一些固定类别的物体，那么跟图片检测几乎一样，毕竟图片就是视频的一帧。
如果视频检测的目标是跟踪某一个特定物体，那么我认为还是有一些区别的。如果只是用一种检测的方法，比如ssd，faster rcnn，这些算法其实是对类敏感，对类间不敏感，如果你要跟踪某个特定的人，检测算法每帧会找出所有的人。
可能你要说重新针对某一特定目标训练不就好了，这就是我现在正在做的事情了。最直接的问题就在于给你的只有这个要跟踪的视频，一般给出第一帧的目标信息，而检测算法的训练需要大量训练样本，怎么破？

3. 请写出目标检测过程 以YOLO-v1为例 的非极大值抑制的基本原理

摘要 非极大值抑制，简称为NMS算法，英文为Non-Maximum Suppression。其思想是搜素局部最大值，抑制极大值。NMS算法在不同应用中的具体实现不太一样，但思想是一样的。非极大值抑制，在计算机视觉任务中得到了广泛的应用，例如边缘检测、人脸检测、目标检测(DPM，YOLO，SSD，Faster R-CNN)等。

4. 车辆检测技术基于视觉目标检测

Ø基于视觉的目标检测一般包括图像采集、图像预处理、图像特征提取、图像模式识别、结果传输等，根据具体识别对象和采用的识别方法不同，感知流程也会略有差异。

5. 学习目标检测

无忧无虑地理网
http://dl.5156e.com/
无忧无虑语文网
www.5156e.com
12999数学站
http://sx.12999.com/
12999英语站
http://en.12999.com/
然后注册一下就行了，很好用的

6. 采用Visual studio 2005和Opencv为平台，研究静止背景下运动目标检测方法

1、找个标准背景帧
2、捕获当前帧，减背景帧
3、差即为运动目标（可能有多个）

7. 在用opencv目标检测，已经实现高斯建模，差分法。现在想问的就是如何用矩形框标记检测到的目标

用cvRectangle（）函数。
OpenCV里面的绘图函数函数功能： 通过对角线上的两个顶点绘制简单、指定粗细或者带填充的矩形函数原型：void cvRectangle( CvArr* img, CvPoint pt1, CvPoint pt2, CvScalar color,int thickness=1, int line_type=8, int shift=0 );参数介绍：img -- 图像.pt1 -- 矩形的一个顶点。pt2 -- 矩形对角线上的另一个顶点color -- 线条颜色 (RGB) 或亮度（灰度图像 ）(grayscale image）。thickness -- 组成矩形的线条的粗细程度。取负值时（如 CV_FILLED）函数绘制填充了色彩的矩形。line_type -- 线条的类型。见cvLine的描述shift -- 坐标点的小数点位数。

8. 运动目标检测的检测方法

基于统计背景模型的运动目标检测方法
问题：
（1） 背景获取：需要在场景存在运动目标的情况下获得背景图像
（2） 背景扰动：背景中可以含有轻微扰动的对象，如树枝、树叶的摇动，扰动部分不应该被看做是前景运动目标
（3） 外界光照变化：一天中不同时间段光线、天气等的变化对检测结果的影响
（4） 背景中固定对象的移动：背景里的固定对象可能移动，如场景中的一辆车开走、一把椅子移走，对象移走后的区域在一段时间内可能被误认为是运动目标，但不应该永远被看做是前景运动目标
（5） 背景的更新：背景中固定对象的移动和外界光照条件的变化会使背景图像发生变化，需要及时对背景模型进行更新，以适应这种变化
（6） 阴影的影响：通常前景目标的阴影也被检测为运动目标的一部分，这样将影响对运动目标的进一步处理和分析

9. 目前国际上最先进的运动目标检测算法

运动目标检测

基于统计背景模型的运动目标检测方法
问题： （1） 背景获取：需要在场景存在运动目标的情况下获得背景图像 （2） 背景扰动：背景中可以含有轻微扰动的对象，如树枝、树叶的摇动，扰动部分不应该被看做是前景运动目标 （3） 外界光照变化：一天中不同时间段光线、天气等的变化对检测结果的影响 （4） 背景中固定对象的移动：背景里的固定对象可能移动，如场景中的一辆车开走、一把椅子移走，对象移走后的区域在一段时间内可能被误认为是运动目标，但不应该永远被看做是前景运动目标 （5） 背景的更新：背景中固定对象的移动和外界光照条件的变化会使背景图像发生变化，需要及时对背景模型进行更新，以适应这种变化 （6） 阴影的影响：通常前景目标的阴影也被检测为运动目标的一部分，这样讲影响对运动目标的进一步处理和分析 首先利用统计的方法得到背景模型，并实时地对背景模型进行更新以适应光线变化和场景本身的变化，用形态学方法和检测连通域面积进行后处理，消除噪声和背景扰动带来的影响，在HSV色度空间下检测阴影，得到准确的运动目标。
编辑本段背景模型提取
前提假设 在背景模型提取阶段，运动目标在场景区域中运动，不会长时间停留在某一位置 视频流中某一像素点只有在前景运动目标通过时，它的亮度值才发生大的变化，在一段时间内，亮度值主要集中在很小的一个区域中，可以用这个区域内的平均值作为该点的背景值。具体实现过程：在YUV颜色空间下，Y值的变化范围为0~255，将该范围划分成若干区间[0,T][T,2T]…[Nt,255],n=255/T，对于每个像素点，统计一段时间内每个区间内亮度值的出现的次数。找出出现次数最多的那个区间，将该区间内所有值的平均值作为背景模型在该点的亮度值。这种方法不受前景运动目标的影响。
编辑本段运动目标检测
检测当前图像和背景图像中对应像素点的差异，如果差值大于一定阈值，则判定该像素为前景运动目标
编辑本段后处理
噪声的影响，会使检测结果中出现一些本身背景的区域像素点被检测成运动区域，也可能是运动目标内的部分区域被漏检。另外，背景的扰动，如树枝、树叶的轻微摇动，会使这部分也被误判断为运动目标，为了消除这些影响，首先对上一步的检测结果用形态学的方法进行处理，在找出经过形态学处理的后的连通域，计算每个连通域中的面积，对于面积小于一定值的区域，将其抛弃，不看做是前景运动目标。[1]

10. 什么是低空目标检测

低空目标的中、近程探测是当前紧迫的研究课题之一.文中主要对低空、超低空的悬停直升机和巡航导弹的理论模型进行信号仿真,同时提出相应的检测方法,并在不同信杂比条件下用MATLAB对检测方法进行了仿真验证,结果表明该方法是可行的.
关键词：低空防御,近程防空,悬停直升机 巡航导弹 多径反射下低空目标检测研究

该文 主要考虑多径反射对目标检测的影响及采用频率分集技术的多脉冲M/N检测的参数选择(M是超过检测阀值的脉冲个数,N是总脉冲个数).为了选取适当的M和N以保证检测概率,必须获得噪声加目标乘以多径因子后的统计分布.与其他研究不同的是,该文采用了更一般的反射模型,实际推导出无起伏和瑞利起伏目标的多径回波功率的PDF,并应用该PDF简要计算出在多径环境下多脉冲检测的最佳M/N选择与pF和pD的关系(与自由空间相比).
关键词：低空目标检测,多径反射,频率分集
低空复杂背景红外小目标检测
提出了基于复杂低空背景条件下新的图像序列跟踪方法.首先在全视场范围内采用自适应滤波法搜索目标,连续几帧检测到目标后,进入小视场范围内分割检测目标进行精确跟踪.若目标丢失,再返回全视场模式搜索目标.试验结果表明,在背景噪声较为强烈的情况下,该方法依然能有效地检测跟踪目标.由于采取了小视场跟踪的策略,减少了计算时间,实时性较好.