1.
2.
3.
(1)基于匹配的光流计算方法,包括基于特征和基于区域的两种。基于特征的方法是不断地对目标主要特征进行定位和
跟踪,对大目标的运动和亮度变化具有鲁棒性,存在的问题是光流通常很稀疏,而且特征提取和精确匹配也十分困难;基
于区域的方法先对类似的区域进行定位,然后通过相似区域的位移计算光流,这种方法在视频编码中得到了广泛的应用,
但它计算的光流仍不稠密。
(2)基于频域的方法利用速度可调的滤波组输出频率或相位信息,虽然能获得很高精度的初始光流估计,但往往涉及复
杂的计算,而且可靠性评价也十分困难。
(3)基于梯度的方法利用图像序列的时空微分计算2D速度场(光流)。由于计算简单和较好的实验结果,基于梯度的方
法得到了广泛应用。
2.相邻帧差法
相邻帧差法是在运动目标检测中使用的最多的一类算法。原理就是将前后两帧图像对应的像素值相减,在环境亮度变化不
大的情况下,如果对应像素值相差值很小,可认为此处景物是静止的,反之,则是运动物体。
相邻帧差法对于动态环境具有较强的自适应性,鲁棒性较好,能够适应各种动态环境,但一般不能完全提取出所有相关的
特征像素点,这样在运动实体内部容易产生空洞现象。
3.背景差法
背景差法是常用的运动目标检测方法之一。它的基本思想是将输入图像与背景模型进行比较,通过判定灰度等特征的变
化,或用直方图等统计信息的变化来判断异常情况的发生和分割运动目标。
与帧间差法比较,背景差法可以检测视频中停止运动的物体,其缺点是背景的更新导致算法的复杂性增加,实时性变差。
4. 基于事件相机来做
事件相机是具有微秒反应时间的仿生传感器,可记录每像素亮度变化的异步流,称为“事件”。事件相机通过检测每个像素
的亮度变化来生成一个事件,相比于传统相机,更适合在高动态和高速度的环境下使用,具有高动态范围 (HDR)、高时间
分辨率和无运动模糊的优势。
高动态范围:对于传统相机来说,在黑暗的情况下,传统的相机几乎没有办法使用,但对于事件相机来说,只检测正
在运动的物体,所以无论是黑暗情况还是有光亮的情况,事件相机都可以发挥作用。
低延时:相邻事件之间的时间可以小于1毫秒
无运动模糊:即使是高速运动的物体,事件相机也可以捕获到
五. FPN的作用
FPN是在卷积神经网络中图像金字塔的应用。图像金字塔在多尺度识别中有重要的作用,尤其是小目标检测。顶层特征上
采样后和底层特征融合,每层独立预测。