提出了一种静止摄像机条件下的运动目标检测和去除阴影的方法。该方法采用以图像亮度和能量大小为判断依据的分块背景重建方法来快速更新背景,并结合背景相减法,网格化连通域检测,形态学滤波等步骤来检测和提取运动目标,同时运用边缘检测获取阴影边缘信息,并结合形态学运算来去除阴影区域,恢复出完整物体目标。实验结果表明,该方法能够有效地检测出运动目标和抑制阴影。
18 2 1,6 1 ) 9 0 04 (6且 E加 ( i (
C m ue n en g adA pi t n计算机工程与应用 o p trE ̄n e n n p lai s c o () 2如果像素点为 1则:,
≤。在理想状态下,和的值都应该为
0但是由于光照等因素的影响,,一般实验中获得的值都大于 0, 具体数值由实验当中获取。如果 B k ) (,,为背景子块, 则记录下该子块所在的帧号和子块位置,最后将不同背景子块重新组合
( .) 21如果上面点和左面点都没有标记,则给这点分配一 个新的标记; ( .) 22如果上面点和左面点只有一个有标记,则复制这个标记;
起来,即可以得到—个完整的重建后的背景。图 1显示了背景 重建的全过程,通过前 4帧可以快速重建出完整的背景。 0
( .) 23如果两个点都有标记,则复制最小的标记;如果这时两点标记不一致,则扫描映射表,所有与较大标记一致的点把 的标记重新置为较小的标记; () 3标记相同的像素点组成一个分区,计每个分区像素统点的个数。
_ _ _ () 5 a第帧图像 ‘
( ) 3帧图像 b第 0
c背景重建 )
经过连通域检测后,会产生若干连通区域编号,了真正除
图 1背景重建的全过程
的目标区外还会包含一些小块的连通区域,它们并不是真正的目标,而是噪声点的连通集合。为此,需要对连通性分析后产生 的连通区域进行形态学滤波从而消除孤立的噪声点和目标内部的孔洞。
1背景差分及二值化 . 2 完成背景重建后,用当前帧与重建好的背景进行差分二值化,由于背景随着光照变化和噪声的影响,但不可能选取固定 的二值化域值,中采取以当前帧与背景帧的残差的绝对值的文
14形态学滤波算法 . 经过前景点检测后的图像中往往存在着离散的噪声点和
平均值可作为门限基数,门限表示如下: T An= 一
目标区域中的孔洞,因此在进行目标检测后,一般都要进行去
噪和孔洞填充处理。这一步可以通过数学形态学膨胀腐蚀运算 、三
1
实现[目标检测的实验结果如图 2示。 5 1。所 bcgo n (,) ak rud yx
n一 = H Xn y 0=
其中, A为一常数, n m、
分别为图像的高和宽。
1连通域检测算法 . 3 由于视场中含有多个运动目标,必须搜索属于同一个连通区域的所有像素点,并给予属于不同连通区域的像素点不同的标志,从而将不同目标分离开来便于多目标检测。最常见的算法是:递归算法和序贯算法。但这两种算法运算复杂度高,效率 很低。
一一 _ () a图像二值化 () b孔洞填充后的域值 ( )目 c多标检测的结果分割图像 图 2多目标检测的过程及结果
为了减少连通域检测以及后续的形态学滤波的计算负荷,
2阴影去除 从视频序列中提取感兴趣的运动目标一直是视频监控系
提高系统的实时性,出了对分割的图像进行网格化的方法,提 该方法以单元网格为单位进行后继的运算 (这里的网格化并不是简单的下采样,而是一种概率化的下采样,没有完全丢弃原图的细节信息。具体的做法是将图像分成若干个大小相等的小网格,将每一个网格映射为 1或者 0分别表示目标格和背 (景格 )形成一个单元格;映射采用计算网格内目标像素密度的 方法 (如式( ), 1 )如果该网格内目标像素点的密度超过一门限则认定该网格为目标格并映射为 1否则映射为 0这样就生成,,
统中的—个重要内容,是运动阴影的存在使得其自身与运动但
目标往往一起被检测出来,这样就对后续的目标分割和识别产 生较大的误差,因此必须对运动阴影进行检测和去除,从而避 免错误地分析运动对象。
在阴影检测领域主要存在着两类基本方法:基于模型的方法和基于阴影屙 f生的方法。对于第一类由于模型建立需要了解场景、对象等先验知识,故此类方法只适用于特殊场合;现今比较流行的是第二种方法,通过使用阴影在几何、亮度、颜色方面的属性来检测阴影。文中主要关心交通系统中车辆阴影的去除。通常交通系统中的背景纹理复杂度不高,因此车辆内部 阴影边缘密度较低,边缘信息主要集中在外轮廓附近,于边基
了原图像网格节点的缩略图。该缩略图基本反映了原图像的有 效信息,对其进行连通域检测和形态学滤波就可以大大减少计算量而不降低准确度。 f¨ 1 h 1 n
Ⅳ ),…, (: ) ) 4 【 1,hr 0o e t
而保 (缘信息的阴影检测算法主要消除物体的外轮廓边缘信息, 1留内部前景边缘
信息构建前景物体, )利用最初前景物体和构建
其中: m, )示缩略图的一个节点;、 N( n表 W h表示网格单元的宽
出的前景物体相减来检测出运动阴影区域。基于边缘信息的阴 影检测算法如下。
和高;表示网格映射密度的门限。。 二值化图像网格化以后就可以进行连通域检测了,以看可到此时的连通域检测的检测点数大大减少了,假设原始图像为 40 3 0那么需要搜索点的个数为 128 0而采用分块后的 8x 6, 7 0,连通域检测则需要检测 6 x 5 27 0个点 ( 0 4= 0假设分块尺寸为
21前景区域的边缘检测 . 文中利用经典的 S bl oe算子来提取当前帧图形.的边缘 ,
提取后的边缘记为 E。
22前景区域内部边界点 . 这一部分的目的是为了去除阴影的外轮廓而保持前景物体的边缘,算法如下: () 1通过图像二值化及其形态学中的闭运算等空洞填充的
88, x )比原算法速度提高了 1倍。 5 快速连通域检测算法的流程如下:
() 1从左至右从上至下对上面生成的映射表进行扫描;

概率密度估计和阴影抑制的运动目标检测_专业资料。采用核密度估计算法得到可靠... 基于背景重建的运动目标... 6人阅读 4页 2.00 基于抑制光线强度变化影...
智能视觉监控中运动目标检测的阴影抑制_法律资料_人文社科_专业资料。智能视觉监控中运动目标检测的阴影抑制 摘要:论文简单的论述了智能视觉监控技术,重点研究了智能...
该方法采用一种自适应的背景估计方法来实时更新 背景 , 用基于概率分类法检测运动目标, 并在联合 HMMD 色彩空间和光度特征来抑制阴影之后, 用Sobel 边缘 检测来...
基于阴影抑制的运动目标有效分割方法_专业资料。针对背景差分法常将运动阴影误检测为前景目标的问题,提出了智能交通系统中一种基于阴影抑制的运动目标分割方法。在RGB...
基于背景减除的运动目标检测算法研究_信息与通信_工程科技_专业资料。各类电子...在背景减除算法中,常见的与背景减除相配套的阴影抑制算法为HSV色彩 空间的阴影...
工业控制和人工智能等技术的综合运用的 产物,它...阴影和运动目标与背景之间都有 很大的灰度差值, ...重建的方法: (1) 对去除阴影后的图像 M 用一个...
自适应背景下运动目标阴影检测算法研究_专业资料。智能视频监控系统的主要难点就是如何检测出运动目标的阴影并将他去除。用一种改进的自适应背景检测算法准确检测运动...
该方法通过背景建模和背景差分方法分割出运动目标及其可能存在的阴影,采用光照评估...视频监控系统和基于视觉的识别控制 系统的应用为目的,提出了一种阴影检测与去除...
(wangdian_nwpu@ yahoo. com. cn ) 摘 : 复杂场景的背景建模 、要 运动目标检测 、 运动目标所投射阴影的检测与抑制在智能监控 、机 器人视觉 、 视频会议...
基于背景差的运动目标检测方法比较分析* 甘新胜,赵书斌(中国船舶重工集团公司江苏...消除阴影的方法有很多,Prati A 等 [6] 对阴影抑制算法进行了比较评估。 化...
热门文档