視頻監(jiān)控中運動目標檢測和陰影消除-展示頁
2024-07-22 16:10本頁面
【正文】 ng object and then or the results of background differencing method to obtain a plete outline of the moving analyzed the characteristics of HSV in the color space ,so as to eliminatethe in accordance with the distribution characteristics of noise it removed the results show that in the processing speed of 20ms / frame ,it achieves realtime requirements .The moving target obtained eliminates the shadow and noise, and has strong robustness.Key words: moving target detection。 five frame differencing method。 shadow elimination。 言在視頻監(jiān)控技術(shù)中，運動目標的有效檢測、提取已成為關(guān)鍵技術(shù)，并且是進行目標跟蹤識別等后續(xù)處理的基礎(chǔ)[1] 。幀間差分法基于時間序列圖像上圖像的差分來檢測運動目標，對光照等外界干擾不敏感，但一般難以獲取運動目標的完整輪廓[2]，對于非整體運動的對象，如非剛體，僅用三幀的信息不能對其少量運動的部分進行有效的分割[3]，文章采用五幀差分法，以獲得較好的效果；背景差分法將前景目標從背景中分離出來，從而獲得運動目標的位置、大小、形狀等比較完整的信息，但該方法對外界環(huán)境變化，如光照、外來事件等較為敏感[4]。如果在計算圖像梯度信息后，利用圖像梯度不受亮度、噪聲影響的特點來提取運動目標，則可大大減少這方面的影響。圖1 算法基本流程Fig. 1 Flowing chart for algorithm2 基于梯度圖像五幀差分和背景差分的運動目標檢測新方法 基本思路和流程如圖1所示，文章提出算法的特點是基于梯度圖像，將五幀差分與背景差分法相結(jié)合。對輸入的5幀圖像求梯度，然后將對應(yīng)的圖像幀進行差分，得到運動目標在中間幀（第3幀）的二值化圖像。最后，進行數(shù)學(xué)形態(tài)學(xué)濾波消除噪聲點。背景需要適時刷新，刷新速度過慢降低了反應(yīng)靈敏度；刷新速度過快增加了不必要的運算量，根據(jù)刷新率來控制背景迷信的刷新。 （1）將背景模型的更新與后面的分割結(jié)果相結(jié)合，這實際上是用運動目標跟蹤的結(jié)果來指導(dǎo)更新。文章先以第一幀當作背景，等得到第三幀目標圖像的分割結(jié)果的時候開始與五幀梯度差分法第三幀的目標分割結(jié)果想或，以后的圖像序列依次進行對應(yīng)幀的或操作。不同環(huán)境條件下，視頻序列的圖像信/噪比(噪聲污染情況)不同,對其幀差圖像使用的分割閾值也應(yīng)不同,基于固定閾值的視頻圖像分割方法不具備自適應(yīng)性。如果在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來提取運動目標,則可以大大減少這方面的影響[6]。其中，是像素點在t時刻的近似梯度幅值。其中, 為灰度圖像。通過采
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1