41、运动跟踪背景图像更新与驾驶员困倦检测研究

运动跟踪背景图像更新与驾驶员困倦检测研究

1. 运动跟踪背景图像更新

1.1 获取更新背景图像的数据

在使用RANSAC更新背景图像时，通常采用n帧图像数据。不过，这些数据有时会包含移动物体，从而形成异常值。当异常值数量少于n/2时，RANSAC能够有效去除这些异常值；但如果获取背景图像的时间间隔过短，异常值数量可能会超过n/2。以往的方法在不设置合适时间间隔的情况下，很难高精度地更新背景图像。

为解决这一问题，可利用检测线对移动物体的检测结果。系统先通过检测线检测移动物体，再使用粒子滤波器对其进行跟踪。这样就能明确移动物体的存在区域。在获取更新背景图像的数据时，去除那些被粒子滤波器跟踪且在检测线上被检测到的区域，从而使用不包含异常值的数据更新背景图像，无需设置更新数据的时间间隔。

1.2 使用RANSAC更新背景

RANSAC是一种基于随机采样从所有数据中提取样本数据的方法，通过将样本数据反复拟合到LMS估计或LMedS估计中，以获得近似最优解。若提取的样本中不包含异常数据，估计结果的准确性会更高；当异常值数量少于所有数据时，更多的估计值会落在估计误差范围内。当大部分测量值都在该范围内时，可认为估计结果是正确的。

以下是使用RANSAC更新背景图像的具体步骤：
1. 设图像中像素 (u, v) 处的强度值为$f_{u,v}$，准备n帧图像数据。
2. 从 (u, v) 的n个数据中随机选择一个样本$f_{u,v}^i$，这里的$f_{u,v}^i$是在时间i通过随机采样选择的强度值。
3. 从排除$f_{u,v}^i$的n帧图像数据中随机选择M个样本$f_{u,v}^j$（j =