68、计算机视觉中的运动物体检测、描述与相机几何基础

计算机视觉中的运动物体检测、描述与相机几何基础

运动物体检测与描述

在计算机视觉领域，对于运动物体的检测和描述是一项重要的研究内容。

广义霍夫变换（GHT）

后来开发出了一种广义霍夫变换（GHT），它能够提取具有循环变形的可变形运动形状（如关节式形状）。这种方法在证据收集框架内使用傅里叶描述符，成功地从户外图像序列中提取出了行人。

运动形状描述

本质上，我们关注的是如何确定能够唯一描述运动形状的数字集合。当目标是生物对象时，我们可以确定代表其形状和变形的数字。以人为例，我们可以通过其身体形状和运动方式（即步态）来识别他们。

• 平均轮廓 ：物体最基本的描述是其轮廓，它是一幅图像。从一系列轮廓中形成的最简单图像是平均轮廓，其计算公式为：
  [average silhouette_{x,y} = \frac{1}{N} \sum_{i=1}^{N} P_{i_{x,y}}]
  其中，(P_{i_{x,y}}) 是序列中的第 (i) 个图像。平均轮廓也被称为步态能量图像，可用于识别目的，是一种简单且有效的步态识别方法。例如，在一个由30帧组成的行人行走周期序列中，通过对这些轮廓图像进行平均计算，得到的平均轮廓能清晰显示出行人的胸部及其倾斜度，而腿部和手臂则因运动而变得模糊。同时，平均过程减少了由于光照产生的小误差和阴影的影响。
• 步态熵图像 ：另一种平均轮廓的形式是步态熵图像，其计算公式为：
  [gait_entropy_{x,y} = \frac{1}{N} \sum_{i=1}^{N}