視頻監(jiān)控中運動目標檢測和陰影消除(已改無錯字)
2022-08-04 16:10:50 本頁面
【正文】 最大純度之間的比率；參數(shù)表示色彩的明亮程度()。陰影有個特性，當運動目標和陰影同時出現(xiàn)的時候，陰影和運動目標的灰度相對于背景灰度的改變可能差不多，但是色度上陰影幾乎相對背景沒有改變。算法應(yīng)用在空間更加符合人的主觀認識。所以，可以利用色度信息區(qū)除陰影。并且陰影的去除是在堅持運動目標后進行的，只需處理有運動目標的地方，所以運算量很低。采用下面的公式檢測運動區(qū)域里的陰影。 , ， 。其中，為運動區(qū)域的檢測結(jié)果，陰影點為,非陰影點為。和為時刻背景點的色調(diào)分類和飽和度分量；和代表時刻前景點的色調(diào)分類和飽和度分量。圖3為一個路口監(jiān)控場景中，對汽車陰影的消除，對低亮度汽車和高亮度汽車的陰影消除的都達到了預(yù)期效果。 （a）原始圖像 （b）獲取的運動目標 （c）運動目標的陰影消除 圖3 陰影消除Fig. 2 shadow elimination 運動目標的分割在運動目標識別之后，需要進行分割。我們可以采用經(jīng)驗值作為結(jié)果元素參數(shù)對運動塊進行膨脹，如圖4 所示：圖中有6個運動塊，在水平方向和豎直方向上將每個運動塊進行膨脹動塊進行膨脹，膨脹參數(shù)是由經(jīng)驗決定的一個距離，當豎直方向上若2個運動目標塊之間距離，如目標塊，則認為它們屬于同一運動目標塊，將其連通起來。而目標塊，之間的距離，則認為它們不是同一運動目標塊。圖4 運動目標的分割Fig. 4 Segmentation of Moving Object 噪聲處理在消除陰影并進行分割后，我們可以看到運動目標一般都是大塊的區(qū)域，而噪聲基本都是分散在圖像中的零散小塊，由于噪聲的無規(guī)律性，運用一般方法去噪的效果不是很理想。但是噪聲一般呈高斯分布，噪聲能量絕大部分在以均值為中心的三倍方差范圍內(nèi)。運動區(qū)域的分布比較分散，能量不集中，但面積有限，對噪聲分布的影響很微弱。整個幀差的分布依然呈高斯分布。根據(jù)噪聲信號分析結(jié)果，在存在運動目標的區(qū)域，由于物體運動的干擾，使該區(qū)域的灰度值的變化幅度加大，所以幀差對應(yīng)區(qū)域的值的方差正大，無運動區(qū)域只有噪聲，他的方差比運動區(qū)域的方差要小的多，圖像總體方差會落在兩者之間。如果表示圖像總體方差，表示噪聲區(qū)域方差，表示運動區(qū)域方差，則有[8]一般噪聲區(qū)域與運動區(qū)域有著明顯的差別，可以采用單一閾值來劃分噪聲區(qū)域和運動區(qū)域。由圖5可見，在光線變化比較大的情況下，特別容易產(chǎn)生噪聲，經(jīng)過噪聲消除，可以區(qū)分出運動區(qū)域。 （a）原始圖像 （b）獲取的運動目標 （c）運動目標的噪聲消除 圖5 噪聲處理Fig. 5 denoising4 結(jié)論利用上述算法,針對實際視頻序列進行了多場景實驗。在識別出運動目標后，能有效消除目標的陰影并去除噪聲。在1G內(nèi)存，P4計算機上處理速度為25ms/幀，能達到實時要求。把基于梯度的五幀差分法與背景差分法進行有效的結(jié)合，處理效果比任何一種單獨使用的時候都好，在復(fù)雜的場景下也可以得到較為準確的檢測結(jié)果。并且本文的陰影消除算法不但能消除各個方向的陰影，還能有效的修正運動目標的檢測結(jié)果。這樣也降低了后續(xù)陰影消除和噪聲去除的復(fù)雜性。但是也存在不足之處，
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1