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。
吴会军,周治平,子文:孙基于提升整数小波变换的虹膜识别取的眼图,其中前一阶段 3幅,后一阶段 4幅图像, 7 6幅图共 5
2 1,6 1 ) 0 0 4 (6
29 0
有 0值很集中的区域,对应的是噪声信息,紧挨 0值区域,有一
像。在虹膜分离阶段,虹膜的正确分离率为 8%, 3选择每类中 7 幅眼图均正确分离的图像做为实验对象,中前 3幅图用来训其练, 4幅图用来测试,后这样组织实验样本与当前广泛接受的生物特征识别算法测试标准是一致的,即采用不同阶段采集的 样本来评估算法和系统。同时,选择的 3图本身会有一定
的幅
部分值接近于 0的系数,一部分系数是受噪声影响较大而得这一一颦 旃出的,在量化时会被当成有用信息∞∞∞如加 m 0。∞ ∞ ,影响了识别的效果相对而
言,升整数小波变换中各噪声影响较大的系数值对应为 0提, 因而量化成噪声位,了混入的噪声信息更少,保证故而其识别率得到了一定程度的提高,同时也使类内距和类间距更加紧 致,彼此相交部分更少,从而降低了等错率。在特征提取的速度
旋转,这也在很大程度上补偿了虹膜旋转的影响,更适应于现场的环境。具体做法是取测试图像与训练的 3幅图像计算出对 应汉明距,取其中的最小值作为匹配结果。图 3显示了基于提
上,提升小波算法消耗了比 B ls Lm的算法更短的时间, oe和 i 相对 Lm算法来讲, i其速度提升率为 2 .8更加适合于实时 6%, 9 的识别系统。
升整形小波变换算法的类内距和类间距的示意图,交集很小, 说明算法能很好地区分开各类虹膜, 4显示的是算法错误接图受率 ( A及错误拒绝率 ( R的示意,A F R) F R) F R和 F R的交点 R即为等错率( E的点。 E R)
5结论 提出了一种基于提升小波的虹膜识别方法,实验结果表明基于提升小波变换的识别方法与一般小波的识别方法相比,在算法速度上有所提升,更能满足实时性的要求,同时基于提升
整数小波变换的识别方式获得了较高的识别率和更低的等错率,表明整数小波量化时更能保留虹膜的纹理信息,更适合于进行虹膜的特征提取。
参考文献: 【】Dag n J GH w i srcgio ok?JIE rnat n n 1 uma .o r eont n w rs’1E E Ta sco so i i f. i 汉明距
Crut a d Ss m o ie eh ooy 2 0,4 1: 13 . i i n yt sfrVd oT c nlg,0 4 1 ( )2 - 0 c s e
图 3类间距和类内距分布
[】Wi e .uo td isrcgio:n e rig bo er eh 2 l sR PA tma r eont nA meg im tetc - d e i i n i n l[ .rce ig fteI E 19,5 9:3 8 1 6 . oo J Poedns o E E,9 7 8 ( ) 14— 3 3 y g] h
[王蕴
红,勇,铁牛 . 3]朱谭基于虹膜识别的身份鉴别叨.自动化学报, 2 0,8 1:一 O 022( )1l. 【 B lsW,o sah BA h m n ietia o eh iu s g i 4 oe B ah s . u a dnict n tcnq e ui m-】 f i n
ae fh r n ae t rnfr JIE r so inlPo, gso eisad w vl as m[. E Ta nSg a rc t i e t o]E n 19,6 4: 15 1 8 . 9 84 ( ) 18— 18 [】Lr s L eK,y o e a.fcetis rcgio ru h i 5 i ,e B en O,t 1 f i r eo t n t og m— a Ei n i n i h po e n ffaue vc ra d cas e[ .T IJ 20,3 2: rvmeto etr et n l i r] R,0 1 2 ( ) o sf JE i 6l 7 一 O.
[】Ab yn a Honk L,cu km .io h gn w vltbsd 6 ha kr A, ra Sh c e SB - ̄ ooa ae ae l e 阈值
i s eont n 'S I, fneadSc rySmp s m,0 5 5 7: ir r cg io[qPEDe c eu t y oi 2 0,7 9 i C] e n i u 5 -6 . 9 7
图 4 F R和 F R曲线 A R
与既有方法的比较如表 1。 表 1实验对比结果
【魏连鑫, 7】朱伟民,吴登峰,一种新的基于多小波变换的虹膜识别等.算法[. J吉林大学学报:学版,0 74 ( ) 8 7 . 1理 20,5 1:— 2 6 [】Mae .eo io fh ma r atrsfrbo er d ni— 8 sk LR cg t n o u n isp t n im tc ie t n i i e o i i f ct nDO] h nvr t o s r ut i,0 3 t:w w ai[/L. e U i sy fWetn A s a a 20 . t l w . o T e i e r l hp l cs. aeua/p/tdnp jc/b d seu . . - ks etr et l o . w d u u o si [】Ese e , lm M, ah W.im tc proa dni— 9 l r fS M Al E Fk rM Bo er e n lie ti hi a i s f ct n b e n i srcgio[]
C m ue nier g ad S s ai a d o r eo t nC/ o p trE gn e n n y- o s i n i/ i t rs, 0 6: 08 1 . e n 2 0 2—2 3
由表 1得知,该文的识别率达到 9 .%的比较理想的结果, 9 3 明显要优于 B l和 Lm等人的算法,同时等错率都得到了 oe s i且改善,达到了 20 .%。分析其原因,第一代小波变换后的系数中 (上接 19页 ) 9 []C chaa 3 uc ir R,icr M,rt 3 Pcad Pai D tcig oig ojcsg ot A.e t m v bet,h s, e n n a d hd w i ie se m[. E rnat n o a s n sao s n vd o t a s JI E T asco n Anl i r]E i ys
【】成俊 . 1谢 0小波分析理论及工程应用[] M.长春:北师范大学出版东 社,o 7 19 10 2 0:0— 2 .
m n clri g eu ne fra rfc se e[ .o ue i o oua mae sq e cso od t f cnsJ C mp trV- a i] s n 19,0 3:5— 8 . i,9 3 1 ( )2 7 2 1 o 【】Wag J M, h n C a g C LS ao eet n a d rmoa 7 n C u g Y C,h n .hd w dtci n e v o l fr tf c i g[]Itrai a ofrne o e okn,e s o r f maeC/ne t n C nee c n N t rigS n— ai/ n ol w ig& Co to, r h 21 2 2 0 . n n rlMac — 3, 0 4
a dMahn ne iec,0 3 2 (0:3 7 14 . n cieIt gn e2 0,5 1 ) 13— 3 2 U[吴则举, 4]陈俊东,刘云, .背景的视频对象分割咖.等静止青岛科技大
学学报,04 2 ( )4 7 4 0 20, 5:— 6 . 5 5
[钟琨, 8】路小波,施毅, .等一种基于 Y V彩色空间的运动车辆阴影消 U除方法叨.与计算机, 0,53:1— 1.交通 2 72 ()10 13 0 [冈萨雷斯 .图像处理( A L B ) . 9]数字 M T A版[北京: M]电子工业出版社, 20 292 . 0 5: 8 - 9】
[】向荣 . 5关数字视频序列运动目标检测与跟踪技术研究[
】 D.:西安西北 工业大学,0 5 20. [】K l r D nl i K, glH H. dlb sd ojc rcig i 6 o ed D, a ids Nae Mo e— ae bett kn n l i a

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