包括專案中用過的和沒試過的。
沒有考慮用模式識別的辦法，只是用運動檢測或是背景建模的方法。
1，雲台速度一般已知或可控，所以在兩幀之間的時間保證相同的情況下，幀之間的畫素差是一定的。結果表明，在雲台勻速轉動的情況下，加入運動補償畫素差，可以得到全黑的幀差結果。採用的是伺服器客戶端模式，處理程式是客戶端，雲台是伺服器。這種方法對雲台控制的要求很高。實踐證明，在雲台啟動的時刻是不准的，需要邏輯上判斷一下，略過一些幀。
總體來講，這種方法是可行的。。
2，純影象處理的影象配準。利用影象邊緣是否相同進行配準。第一次得到乙個粗略的偏移值，然後疊代得到精確值。在低速雲台配準很精確。速度也可以接受。我認為比利用角點匹配更好，穩定而且快。實踐證明不太準。需要全域性的一些資訊作配準。
3，全景背景建模。由於同一場景在不同的影象位置是不一樣的，而且場景的遠近也有關係。所以對於一維旋轉雲台，360度範圍內需要的背景量不但和攝像機有關，也與場景有關。做歸一化後，應當有「a寬度的景物經過b畫素的移動後，影象近似可以認為不變」，a和b需要實驗驗證。
運動物體檢測 光流法（攝像機固定）
前面的一篇文章談了高斯背景模型在運動物體檢測中的應用。本文主要討論另一種方法 光流法。與高斯背景模型的方法不同，光流法可以用於攝像機固定和攝像機運動的情形，但本文只就攝像機固定的情況進行討論，即不涉及攝像機運動 問題。光流法的介紹 在空間中，運動可以用運動場描述。而在乙個影象平面上，物體的運動往往是...
攝像機中的基礎矩陣
基礎矩陣也叫做基本矩陣。基礎矩陣描述的是影象點與其對應極線的對應關係。也就是說基礎矩陣是極幾何的代數表示。基礎矩陣的推導方式比較難看懂。具體的可以參考吳福朝的計算機視覺中的數學方法。這本書很不錯，特別推薦。在理解基礎矩陣之前要先搞懂攝像機投影關係和極幾何的知識。如上圖，i，i 為兩個攝像機的成像平面...
影視專業攝像機與DV攝像機的區別
dv攝像機與影視專業 攝像機相比，特別是與廣播級攝像機或者是 高畫質攝像機相比較，除了體積小 便宜以外，還有解析度較低等區別。我個人接觸最多的就是 松下180a廣播級 攝像機，體積也較小，較低，輕便靈活，適合普通的 影視愛好者。而betacam sp dv cam和dvc pro則非常昂貴，也笨重，...