4、计算机视觉中运动分析的发展与应用

计算机视觉中运动分析的发展与应用

1. 视觉系统中运动检测模型概述

视觉系统中用于运动检测的模型性质一直是大量思考和研究的主题。最常被接受的模型有 Adelson 和 Bergen 以及 Watson 和 Ahumada 提出的模型。然而，对于这些机制如何引发运动错觉和光流，目前尚未达成明确共识。同时，对于运动滤波器的操作模式以及如何组合其输出来确定二维运动的方向，也存在分歧。此外，很难明确特征跟踪机制和运动感知机制在性能上的差异。

在神经生物学领域，Semir Zeki 的研究使人们接受了视觉皮层功能专业化的概念，即颜色、形状和运动是分开处理的。有四个并行系统处理视觉的不同属性：一个用于运动，一个用于颜色，两个用于形状。值得注意的是，在计算上差异最大的两个通道是运动和颜色系统。对于人类视觉运动系统，大脑的关键区域是 V5，该区域受损会导致运动盲，患者无法看到或理解运动的世界。静止时，物体清晰可见，但相对于物体的运动却会使物体消失。

2. 计算机视觉中运动研究的开端

2.1 从卫星图像研究云运动

最初，从卫星图像序列确定云运动的问题促使了相关研究。由于难以近似云和云的运动，研究人员将其理想化，假设云运动由不同层次的多边形独立移动组成，观察到的云运动是各层多边形图形的重叠视图。为了确定多边形的线速度和角速度，并将图像序列分解为组件序列，假设多边形是刚性的。尽管实际上云既不是多边形也不是刚性的，但这项研究揭示了关于叠加多边形图形的许多有趣和基本的关系。研究产生了一个从不同层的移动多边形生成图像序列的程序，以及一个系统分析生成的多边形图像序列叠加的分析程序，该分析程序能够正确构建底层多边形的描述。跟踪多边形使用的特征包括顶点、顶点处的夹角