本文的研究背景是针对展台效果评估,从视频中实时提取展位前的行人数量、驻留时间、关注程度等客观信息,作为评估的基础性数据。考虑到存在严重的侧向遮挡问题,分别在展位顶部和侧方放置摄像头。顶部摄像头负责运动目标的检测与跟踪,侧方摄像头负责人脸检测与跟踪。整个算法的核心是运动目标检测与跟踪,它是计算机视觉的基础性研究内容,有许多成熟的算法和技术。考虑到昆虫能以相对简单的神经系统实现对运动目标的快速捕捉,本文借鉴了昆虫复眼视觉系统的原理与特征,设计了两种运动检测算法:基于视觉电生理原理的方法和基于复眼结构的功能模拟方法。二者都采用非重叠视野的复眼结构,对图像进行六边形剖分,作为后续处理的最小单元。基于视觉电生理原理的方法首先在每个小眼上利用一组Reichardt相关器计算各个方向上的局部运动信息,文中对Reichardt相关器中低通滤波器长度这一重要参数进行了详细分析。然后,基于树突树的空间积分思想,选择几组局部运动检测器阵列掩模,每组对应不同的运动主方向,通过空间积分得到视野内不同方向上的运动信息。接下来,根据得到的运动主方向,通过聚类确定运动区域,为运动跟踪提供中级信息表达。最后,根据视野内运动信息的分布,可以实现对简单运动模式的识别。基于结构功能的模拟方法利用复眼的几何分布特征,通过检测相邻小眼的灰度和运动相关性来检测运动。它以每个六边形作为一个单眼,每个单眼大多处于空闲状态,此时只需对其进行颜色突变检测、背景更新等简单处理。颜色突变后单眼进入激活状态,利用相邻单眼在相邻帧的匹配关系,以确定局部运动。最后,利用分水岭算法将图像分割为面片,将其与局部运动信息融合,通过统计相邻单眼在不同帧间的匹配度来实现对目标的跟踪。经过实验测试,基于复眼视觉电生理原理的方法和基于复眼结构功能的模拟方法都有效地实现了运动检测。前者具有计算高效、对光照不敏感、抗随机抖动、局部运动信息丰富以及便于运动模式识别等优点,但跟踪部分只利用了简单的运动信息,对非刚性运动抗干扰能力较弱。后者则具有抗局部干扰、空间一致性好的特点,并借助分水岭结果提高了区域边缘的精度,在静态背景下计算复杂度低,但在复杂运动时计算复杂度较高,对参数选择比较敏感。再利用人脸检测和跟踪算法,最终实现了对展位前行人、人脸的检测和跟踪,并能统计出总人数、关注人数、关注时长等展位效果客观评估的基础数据,实现了设计目标。基于昆虫复眼的运动检测与跟踪算法具有一定的特色和优势,值得进一步深入研究。