視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測和陰影消除(編輯修改稿)
2024-08-03 16:10 本頁面
【文章內(nèi)容簡介】 提取圖像的梯度信息之后,利用圖像的梯度不受亮度、量化噪聲影響的特點(diǎn)來提取運(yùn)動(dòng)目標(biāo),則可以大大減少這方面的影響[6]。利用邊緣檢測性能較好、計(jì)算復(fù)雜度較低的Sobel算子[7] 提取梯度圖像: （2） 。其中，是像素點(diǎn)在t時(shí)刻的近似梯度幅值。、分別是水平、垂直方向上的Sobel算子。其中, 為灰度圖像。對于彩色圖像、分別代表點(diǎn)的RGB顏色分量,可先按照式（3）將其轉(zhuǎn)換為灰度圖像. （3） 梯度圖像的五幀差法算法描述(1)序列圖像處理用來確定圖像序列中有無物體運(yùn)動(dòng)、解決低信噪比條件下的運(yùn)動(dòng)小目標(biāo)檢測問題的較好方法。通過采集設(shè)備實(shí)時(shí)從外界環(huán)境里獲取運(yùn)動(dòng)彩色圖像,其顏色種類多,不利于圖像處理,因此要把彩色圖轉(zhuǎn)換為灰度圖,其灰度值和RGB顏色對應(yīng)關(guān)系如下: 。然后求出每一幀灰度圖像的梯度。(2)假設(shè)在時(shí)間間隔內(nèi), 成像傳感器獲取一個(gè)m幀序列的梯度圖像表示為: 。取連續(xù)五幀序列原始梯度圖像 。取中間幀，對；分別計(jì)算幀間不同位移量的中間幀的運(yùn)動(dòng)對象邊緣，即將和分別進(jìn)行三幀差分運(yùn)算，對得到的二值圖像進(jìn)行或操作，將五幀中相當(dāng)于中間幀的運(yùn)動(dòng)信息都集中在中間幀。(3)對得到的二值圖像結(jié)果進(jìn)行后處理,去掉從背景中分割出的孤立噪聲。填充目標(biāo)區(qū)域的孤立背景空缺,得到的結(jié)果為原始圖像的運(yùn)動(dòng)目標(biāo)分割圖像。(4)對(a)式表示的下一個(gè)連續(xù)五幀序列圖像重復(fù)步驟(2)，(3),可以得到(a)式中的m2幀序列圖像的運(yùn)動(dòng)目標(biāo)分割像。從圖2可以看到，本文的目標(biāo)檢測方法在外界環(huán)境條件不復(fù)雜的情況下，可以正確的檢測出運(yùn)動(dòng)目標(biāo)，并且效果好于單一采用背景差分法或單一采用三幀差分法。但是這種方法也有不足之處，在復(fù)雜場景中很難檢測出的運(yùn)動(dòng)目標(biāo)的陰影，所以后續(xù)需要進(jìn)行陰影消除。（a）原始圖像 （b）背景差分法 （c）三幀差分法 （d）本文算法圖2 幾種常用算法實(shí)驗(yàn)效果的比較 Fig. 2 Experimental results and parison of mon algorithms3 陰影消除和去噪 陰影消除 視頻監(jiān)控中檢測運(yùn)動(dòng)目標(biāo)的時(shí)候，經(jīng)常會(huì)把目標(biāo)產(chǎn)生的陰影也包括在前景當(dāng)中，產(chǎn)生消弱檢測質(zhì)量的問題，如一個(gè)運(yùn)動(dòng)目標(biāo)的陰影會(huì)和相鄰的目標(biāo)的連接在一起，造成正確分割運(yùn)動(dòng)目標(biāo)個(gè)數(shù)的困難。對以后的目標(biāo)區(qū)分、跟蹤、識別、分類等都造成影響。會(huì)使后續(xù)步驟變得困難，正確率也會(huì)下降很大，所以必須消除陰影。但是陰影的消除有很困難，一是因?yàn)殛幱案尘皡^(qū)別很大而被理解為前景，二是陰影依附著運(yùn)動(dòng)目標(biāo)，他們有相同的運(yùn)動(dòng)屬性。目前，陰影消除的方法很多，在顏色空間中，可以用矢量來表征像素點(diǎn)，并以當(dāng)前圖像中的像素點(diǎn)矢量與對應(yīng)的背景點(diǎn)矢量相減得到能表征亮度和色彩的彩色模型，然后建立背景模型；在顏色空間中，利用色度、飽和度和亮度三要素可以建立背景模型，對陰影進(jìn)行檢測和識別.在顏色空間中，各分量的定義如下：參數(shù)表示色調(diào)（），即顏色本色，該參數(shù)用角度量表示，從到。(“色調(diào)”常常被叫作“色彩”。 顏色是“原色”。)；參數(shù)表示飽和度()，它表示所選顏色的純度和該顏色
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1