0 引言

国防工程中的视频监控是维护其安全稳定的重要措施，而相机运动下的前景目标检测是视频监控领域的重要研究内容之一。目前广泛采用的一类方法是对相机的运动进行补偿，进而利用静态背景下的方法检测出运动目标［1］。该类方法检测的精度极大地依赖于特征点的准确匹配和相机模型的鲁棒估计。目前许多算法在这两方面的技术处理还很不成熟。特征点匹配方面主要是当前多数采用的矩形块搜索匹配法，此方法只适用于相机的平移运动和小范围的旋转与缩放，在实际应用中局限性较大，且其搜索方式采用遍历候选矩形区域中的所有像素点，导致搜索匹配的效率较低［2］。模型估计方面则广泛采用传统RANSAC算法去除匹配点集中的外点，该方法在具体应用时还存在相关阈值不易设置、迭代次数没有上限等问题［3］。

为了解决上述问题，本文设计了一种快速的背景运动补偿方法。首先采用圆形块邻域搜索法实现特征点的对应匹配，再通过改进的RANSAC算法去除外点，进而利用双线性内插值法完成背景运动补偿，最后通过帧差法得到目标检测结果。

1 基于圆形块邻域搜索的Harris角点匹配

考虑到Harris角点检测算子操作过程简单，提取的图像特征点均匀合理，并且对图像旋转、光照变化以及噪声点等都能保持非常好的鲁棒性 ［4-5］，因而本文选用多组匹配的Harris特征点对进行全局运动估计。首先在参考帧图像中提取大量的Harris角点，然后采用圆形块邻域搜索法在当前帧查找与参考帧对应的匹配点。

如果瘙痒不能改善，可以应用药物，首先是选择止痒外用药，如含薄荷、樟脑的药水或药膏，及炉甘石洗剂等，这些物质通过刺激神经末梢传递冷感觉而掩盖痒感。表面麻醉剂（如利多卡因）也有抗瘙痒作用。含低浓度的弱效糖皮质激素药膏如氢化可的松外用也可以止痒。

在实际应用过程中，相机除了会进行平移运动外，还会发生旋转和缩放等一系列运动形式，而惯用的矩形块搜索匹配法只适用于图像的平移运动。为了实现更加准确鲁棒的特征点匹配，本文提出了基于圆形块邻域搜索的特征点匹配方法。设参考帧中的任一特征点（x，y），以该点为中心构造半径为r的圆形块O，然后在当前帧中的对应位置（x'，y'）处设置一定大小的搜索窗口，在该窗口中以每个像素点为中心，构造N个与圆形块O同样大小的子圆形块O'i，最后通过相似度判断得到与圆形块O最接近的子圆形块，那么该子圆形块的圆心像素点即为搜索到的特征匹配点。相似性的度量函数采用（Sum of Absolute Distance，）函数，如式（1）所示。

 

其中，I（·）和I'i（·）分别表示参考帧和当前帧中某一像素点处的灰度值。本章采用圆形块邻域搜索法进行特征点对应匹配的具体步骤如下：

Step3：根据式（2）求解出参考帧特征点（x，y）经过T0变换后的坐标（xt，yt），再计算当前帧匹配点（x'，y'）与（xt，yt）的欧式距离：

Step1：在当前帧找到与参考帧特征点对应的位置（x'，y'），计算以该点为圆心的圆形块O'0与O的SAD值，并将其作为初始值SAD0；

相比传统的RANSAC算法［8］，本文的改进之处在于阈值的设置都是根据实际图像数据自适应产生，其中迭代次数的设置兼顾算法在应用中的实时性与准确性，采用了两种结束迭代的方式，既能够有效地去除外点，又可以快速鲁棒地完成迭代，使内点提纯过程更加快捷高效，适应性更强。图2为通过改进的RANSAC算法去除外点后的结果图。

Step3：以S0对应的点为中心，搜索其8邻域中未被计算过的剩余邻域点（3或5个）的SAD值，记为 SADi1～SADij，求出，如果S1=S0，则输出S0对应的圆心像素点为匹配特征点，否则循环执行Step3，直到计算完搜索窗口中的所有像素点，输出最小Si对应的圆心为找到的对应匹配点，跳出搜索过程。

本文提出的圆形块邻域搜索法充分利用了像素点在时空域上的分布连续性，在搜索的过程中，按照可能性从大到小的顺序寻找匹配点，这相比于遍历窗口中所有像素点的传统搜索法，在搜索时间上极大缩短。图1给出了采用圆形块邻域搜索法在当前帧匹配的特征点集，如图中结果所示，该方法的匹配准确度也比较高。

  

图1 Bus序列特征点匹配结果

2 相机模型估计和背景运动补偿

2.1 六参数的仿射运动模型

为了全面地表达相机的运动形式，同时考虑到求解模型参数的复杂程度，本章选择六参数的仿射模型［6］。背景发生运动后，邻近两帧图像中像素点在空间的坐标关系可通过该模型表示如下：

 

在该模型中定义变换参数矩阵，其中参数 a1、a2、a3、a4与缩放、旋转运动有关，参数a5、a6与平移运动有关。

Step2：从集合S中随机选取一个满足仿射变换模型的最小点集合，在本文中即选取3对匹配点，求解得到初始变换参数矩阵T0；

理论上通过3个匹配的特征点对就可以求解出该模型的参数，但由于受图像中噪声和目标局部运动的影响，很难准确获取能够代表相机真实运动模型的3组特征点，因而需要更多的背景匹配点参与模型的参数估计，通常采用最小二乘法进行运动参数矩阵的鲁棒求解。在视频序列中，除了大量做全局运动的背景点（内点）外，还可能包含了一些前景点或者噪声点，统称为外点，而外点对最小二乘法的求解准确性影响是比较大的，所以需要尽可能地保留内点，去除外点。

对于蛋鸡料，适宜的粒度为7～18目。经改进后对辊粉碎机粉碎的玉米粒度(61.22±2.44)%远远高于理想粒度的基本要求，而经锤片粉碎机粉碎的玉米粒度在7～18目的比例平均仅达到(30.67±1.30)%，不能达到理想粒度的基本要求。因此，本试验中，改良对辊粉碎机对玉米粒度有显著影响，值得在饲料生产中推广应用。

2.2 阈值自适应的RANSAC方法去除外点

采用改进RANSAC算法对匹配点集中的外点去除过程如下：

Step1：采用直方图统计法［7］初步筛选匹配点对，过滤掉偏差较大的外点，将剩余点集合记为S；

④加大中央财政投入，降低地方财政配套比例，从地方财政支出中以县为单位，县财政每年将一定额度资金纳入预算，安排一定比例资金作为坑塘建设的专项资金。

教师是实施国家教育方针的实践者，是直接影响方案落地生根、开花结果的人为因素，霞山区高度重视艺术教师队伍建设工作，切实服务学校艺术建设需要。

1.2 手术方法 球囊扩张组：鼻窦球囊扩张术采用Wolf公司生产的鼻内镜系统(型号：7230AA)，其内窥镜直径为1.9～4 mm。40例患者均采用1%利多卡因+麻黄碱对鼻腔黏膜进行局部麻醉，在鼻内镜直视下，将鼻窦球囊导管放置在目标窦口附近。推送发光导丝，观察光斑确认目标窦口。推出球囊扩张管，确定其头端球囊的近中部位于目标窦口，充水加压膨胀(一般采用10个大气压)，维持15 s后抽出液体回缩球囊。无弹性的骨性结构轻微骨折，有弹性回缩力的黏膜组织受到塑型，成功扩张目标窦口。撤出球囊导管和导丝，插入冲洗导管，对目标鼻窦冲洗治疗。撤出整套器械，即可结束手术。

湖父镇地理位置优越，位于我国江苏省宜兴市的南部位置。东部与丁蜀镇相连，南部与浙江省长兴县相接，西部与张渚镇毗邻，北部与宜兴林场相靠。面积约为93.18平方千米，其中水面面积0.1万亩，常住人口2.333万人。湖父镇驻地建成区面积2.5平方千米，湖父是宜兴山区的一个集镇，是山货和土特产的集散地，客商云集，市场繁荣，向有“银湖父”之称。

除了从矩阵模型抽取构件的局部成组方案之外，还有一些局部成组方案是设计人员直接根据先验知识设定的，这种局部成组方案更多地反映了设计人员在产品设计方面的经验。

 

Step4：计算集合S中所有匹配点对欧式距离的均值μ、方差σ以及离均值绝对值之和的均值 ，计算公式如下：

 

Step5：比较集合S中每个特征点对的与的大小来提纯内点。若则保留该特征点对，否则视为外点从集合S中剔除掉；

当然，在这方面也可看到真正的进步，即是对于教学能力的高度重视．这并就为我们更好地理解舒尔曼倡导的“学科教学知识（PCK）”提供了一个新的视角：相对于知识的简单积累而言，应当更加重视如何能够针对具体的教学情境与对象综合地去应用各种相关的知识（后者又不仅是指“学科内容知识”与“一般教学法知识”，还包括更多的内容，如“有关学习者及其特性的知识”“教育情境的知识”“有关教育目标、目的、价值及其哲学和历史基础的知识”等）．这主要地并应被看成教师必须具备的一个基本能力（对此可详见文[16]中的相关论述）．

参考文献：

Step7：将所有的内点通过最小二乘法完成拟合，重新计算仿射模型参数矩阵。

Step2：搜索以（x'，y'）为中心的8邻域点。计算出分别以8邻域点为圆心的圆形块与O的SAD值，记为SAD1～SAD8，然后得出，若SAD0为最小值，则输出其对应的圆心像素点为匹配特征点，否则转Step3；

  

图2 提纯后的内点匹配点集

2.3 基于双线性内插值法的背景运动补偿

获得相机变换模型参数后，就可以对背景的运动实现补偿了。然而通过上述仿射变换后的位置坐标并不是整数，所以必须对每个像素点采用向前或向后映射的方式来解决此问题。目前常用的灰度插值法中双线性内插值法能够达到像素间比较平滑的目的，且得到的图像质量较高，因而被广泛应用于信号、图像和视频处理等领域中［9］。因此，本文选用双线性内插值法来获取参考帧经过背景运动补偿后的补偿帧。

设经过仿射变换后的某点为，当前帧图像中将该点包围的4个已知像素点、，5个点的空间位置如图3所示。

  

图3 双线性内插值法原理示意图

记V为图像中一点处的像素值，那么采用双线性内插值法确定处像素值V（Q）的过程如下：

Step1：在x方向完成线性内插值获取蓝色点和，其像素值分别为：

在抛锚式教学中，教师为帮助学生完成自主学习的任务解决实际问题，会给学生提供相应的线索或者辅助材料，以此来培养学生自主学习的能力，而不是直截了当的告诉学生应该如何解决所面临的问题。在数学概念课中，学生自主学习主要是通过已知的线索去收集信息、整理信息、分析信息，从而找到解决问题的方法去解决问题。

 

Step2：在y方向的和之间插入点，可计算得到其像素值为：

 

3 运动目标检测实验结果

经过背景运动补偿后得到补偿帧，再将当前帧与补偿帧做帧差处理得到前背景分割结果。

3.1 背景运动补偿效果对比实验

如下页图4所示，Bus序列［6］中公共汽车从右至左运动，摄像机跟随着汽车的运动方向也向左发生了移动。由于相机的运动导致场景中静止的雕像、栏杆、小汽车等背景也发生了相对运动。如果直接将当前帧与参考帧进行差分运算，检测结果如图4（d）所示，场景中大部分的背景区域都出现了误检测，而前景目标公共汽车的模糊轮廓完全混合在了背景的噪点之中，难以区分出目标和背景。本文采用圆形块邻域搜索法获取了可以充分描述视频场景的多组匹配特征点，再通过阈值自适应的RANSAC方法去除外点，进而利用最小二乘法估计出了相对准确的模型变换矩阵，并采用双线性内插值法得到背景运动补偿后的补偿帧，如图4（c）所示。最后将当前帧与补偿帧做帧差运算得到前背景分割结果。如图4（e）所示，补偿后的差分结果比较准确地检测出了公共汽车的主体，并较好地抑制了背景噪点。对比结果表明：本章算法能够较好地补偿背景的运动，并实现前景目标的有效检测。为了定量地衡量本文算法对全局运动的补偿效果，采用背景运动补偿前后差分图像的峰值信噪比（Peak Signal to Noise Ratio，PSNR）进行评估［10］，其定义为

 

其中，255为8 bits灰度图像的峰值，σ为噪声值的标准差。通过计算，经本章算法补偿后的图像信噪比从原来的38.47 dB提高到了52.62 dB，提高幅度达到了37%。

  

图4 Bus序列背景运动补偿效果图

 

表1 Coastguard序列仿射模型参数及检测时间

  

算法 参数 参数 参数 参数 参数 参数 时间(ms)RANSAC 0.001 66 0.004 72 -0.000 34 -0.003 12 -1.227 84 10.127 72 266 Proposed 0.001 84 0.005 06 -0.000 37 -0.004 03 -1.240 95 10.244 56 142

3.2 与原始RANSAC算法检测结果对比实验

Coastguard序列［6］中摄像机发生了大幅度平移运动，场景中独立运动的目标为游艇和轮船，其他区域属于背景。图5分别给出了不同方法的检测结果。表1为两种算法计算得到的仿射模型参数值以及检测出前景目标所花费的时间。

如图5所示，Coastguard序列中第73帧到第74帧之间相机发生了剧烈的上下平移运动，从图5（d）结果可以看出，未进行背景运动补偿的帧差算法完全不能区分出运动目标和背景区域，而在图5（e)和图5（f）中，原始RANSAC算法和本文算法都对相机的运动起到了一定的补偿效果，也较准确地检测出了运动的游艇和轮船。但是细致比较二者结果可以发现，本文算法检测得到的目标轮廓更鲜明、主体更饱满。另外，本文算法采用阈值自适应的RANSAC提纯方法，迭代次数比较科学合理。如表1所示，所提算法在检测时间的消耗上明显快于原始RANSAC算法，检测的效率大幅提高。

  

图5 Coastguard序列检测结果对比图

4 结论

本文针对当前基于背景运动补偿的检测算法中存在的不足，采用圆形块邻域搜索法实现特征点的准确匹配，并通过改进的RANSAC算法有效地去除外点，进而利用双线性内插值法完成背景运动补偿。对比实验结果表明，所提算法能够快速准确地完成特征点的匹配和外点的去除，实现过程简单，检测结果也较为准确，能够成为运动相机下一种通用的前景检测方法。

Step6：对新的匹配点集合再次执行Step2～Step5，经过反复迭代达到提升模型参数估计精度的目的。当第k次迭代后，集合中所有点欧式距离的σ达到或迭代次数到设置上限kmax时，结束循环，输出提纯后的内点集合；

［1］SUHR J K，JUNG H G，LI G，et al.Background compensation for pan-tilt-zoom cameras using 1-D feature matching and outlier rejection ［J］.IEEE Transactions on Circuits and Systems for Video Technology，2011，21（3）：371-377.

［2］贺琴，潘建寿，刘继艳.摄像机运动下基于背景匹配的运动目标检测［J］.计算机工程与应用，2010，46（24）：179-181.

［3］陈志江.面向PTZ摄像机的运动目标检测技术研究［D］.长沙：国防科学技术大学，2011.

3）估值便宜，分红预期高。公司目前只有0.85倍市净率，市盈率14倍左右，十分便宜，而它的每股未分配利润高达3.04元，规模超20亿元，未来有高分红的强烈预期。即便不分红，公司现金储备充足，在国家经济去杠杆背景下抗风险能力更强，而且公司战略是“实业+投资”，后续不排除有并购的可能。

［4］SCHOENEMANN T，CREMERS D.High resolution motion layer decomposition using dual space graph cuts［C］//IEEE Conference on Computer Vision and Pattern Recognition，2008：1-7.

［5］SHI J，TOMASI C.Good features to track ［C］//IEEE Conference on Computer Vision and Pattern Recognition，1994：593-600.

［6］贺玉文，赵黎，钟玉琢，等.快速鲁棒的全局运动估计算法［J］.软件学报，2001，12（8）：1220-1228.

［7］赵源萌，王岭雪，金伟其，等.基于区域直方图统计的灰度图像色彩传递方法［J］.北京理工大学学报，2012，32（3）：322-326.

项目管理会计核算对建筑企业的作用不言而喻，我们应该更加关注与重视这方面的工作，以促进我国建筑行业的进步与发展。

［8］CHUM O，MATAS J.Optimal randomized RANSAC［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2008，30（8）：1472-1482.

［9］白香君.双线性插值算法及其并行实现［J］.电脑知识与技术，2014，10（27）：6494-6496.

［10］赖作镁，王敬儒，张启衡.背景运动补偿和假设检验的目标检测算法［J］.光学精密工程，2007，1（1）：112-115.