《改进pic的背景重构算法与运动目标检测新方法》由会员分享，可在线阅读，更多相关《改进pic的背景重构算法与运动目标检测新方法（7页珍藏版）》请在金锄头文库上搜索。
1、第 !“ 卷# 第 $ 期 %.: $%) 引 言运动目标检测是图像处理技术的一个重要组成部分， 是计算机视觉、 模式识别、 图像编码和安全监控等研究领域的重点和难点“。所谓运动目标检测， 就是检测视频图像序列中相对于图像场景运动的物体。它是运动目标提取、 跟踪、 识别以及行为分析的前提， 是视频监视系统以及后续视频分析最基础的环节， 检测的精确程度是后续工作能否顺利进行的关键%$。在运动目标检测的相关文献中研究人员提出了大量的运动目标检测和提取算法G。目前常用的运动目标检!“# #仪# 器# 仪# 表# 学# 报第 $ % 卷测有： 光流法“3:C03H8G ?=: 09G DE09:3H8
2、G ;:0:3;:3F 73;:=40C! 第 “ 期刘! 丁 等：改进 #$% 的背景重构算法与运动目标检测新方法6 8?4578A?7B :-?C$# 改进目标检测算法及其结果$“%# 图像预处理用重构的背景图像 （见图 *） 与要检测的图像序列作差得差值图像； 对每一帧的差值图像进行图像预处理： 二值化、 腐蚀、 膨胀， 得到比较容易处理与分割的二值图像，上述预处理是图像处理中的基本形态学算子， 本文不再赘述。$“!# 粗搜索算法及结果对于单目标物检测只需对上述结果进行坐标投影就可以得到目标物的位置。本文目标检测的图像序列 （主要以 1-223,456748 序列为例） 中需要检测的目标
3、不止一个， 所以本文提出粗精搜索的两步法来确定各个目标物的位置。进行第一步粗搜索： 即对于预处理后所得的二值图像直接进行图像坐标的投影， 就可得到目标图像和背景图像作差后所有目标物的整体位置。结果如图 “ 所示， 图 （-） 为原图， 图 （:） 为相应单目标物的粗搜索结果；图 （?） 为原图， 图 （B） 为相应多目标物的粗搜索结果。从图中可以看出粗搜索的结果是将所有的目标当作为一个整体目标， 因此要进一步得到各个目标的位置必须进行精搜索。图 “! 粗搜索结果图;6 8A27 4D -8?1 ,714B$“$# 精搜索算法及结果如图 “ 所示结果， 如果目标物只有 ( 个则粗搜索即为运动目标
4、检测的最终结果， 如果有 ) 个或多个则需进行第 ) 步精搜索。判断是否进行精搜索很简单， 由于检测的目标是人， 其显著特征就是身高比身宽要长的多， 或两者比值较大。所以只需在粗搜索的结果上进一步判断身高与身宽的比值是否超过所设的阈值即可。首先在粗搜索的结果上作目标的宽度坐标投影， 由于在图像预处理后没有再作进一步的处理， 如种子填充法等将目标物填充完整， 结果如图 / 中图 （-） 所示， 本属!“ “仪“ 器“ 仪“ 表“ 学“ 报第 # $ 卷于同一目标物的区域分成了几个不连通的部分。这对下一步的精搜索造成了困难， 投影后的结果如图 （%） 所示，投影呈现出多个间距不等的峰。峰的个数一般
5、不等于目标物的个数 （对于 7/+? 算法采用 ABCADE4 1 软件编程实现， 在 56,.-:* （F） G， ?5H 为 04 EI JKL 的 5? 上运行， 两种算法均以 36)M/ 序列的前 GI帧重构背景。编程时像素归一化到 I， $ 区间， 量化间隔取 I4 $； 找到归一化量化区间内最大像素统计个数的量化值后， 仍以 I4$ 为间隔进行量化值区间的拓展。两种背景重构算法中噪声定义为重构背景与标准背景的差分图像 （即噪声点所成的图像） 。其大小采用平均亮度和能量衡量： 式 （$） 为差分图像的平均亮度计算公式； 式 （0） 为差分图像的能量计算公式。其中 ! （“， #）为重
6、构背景与标准背景的像素差值 （或噪声点的灰度值） ， $ 为图像的高度， % 为图像的宽度。/0/:10-5 8.2 )*+,-./01.2 75? 算法$G4 0GO 0I4 O#E P$04 G1# I本文改进算法#4 $EO II4 E$1 1$P4 GIO I图 E“ 背景重构结果2-34 E“ F69:(.9 +M 5? (3+/-. . 5? (3+/-.*,9 4! ?6 / #$% 0,)*?AB 0C+ ?A- *BD)E-+ #$% 0,)*?AB对于噪声 （重构背景与标准背景的差分图像） ， 采用式 （1） 与 （3） 作为衡量噪声的 3 个性能指标。噪声序列中， 它的值
7、有正有负， 在平均亮度的计算式 （3） 中存在绝对值， 会出现正负相抵的情况； 同时， 由于噪声本身就是差值， 它的值有可能比较小， 在能量计算式 （1） 中经过平方运算， 以及和的累加后， 它的值就比较小。因此有可能出现表 1 中的噪声能量比较差别不大的情况。但是总体上， 从反映噪声的 3 个性能指标来看， 本文算法均比 #$%算法的噪声性能指标低。对于 A0.BC*?) 序列由于目标物出现的帧数不同以及目标物个数的变化， 使得序列中的帧间变化大， 而()*+,-./0)序列中每一帧只有水面波纹的变化， 变化相对比较小。通过比较本文算法的思路与实验步骤， 可知本文算法在帧间变化较大的序列由于
8、量化拓展的次数会增加所以相比时间会增长， 但是算法整体的运行时间不论序列图像的变化剧烈与否都是相差不大的， 与试验结果相符。综上及表 1、 表 3 的定量结果， 可以看出本文改进算法重构背景的噪声比 #$% 算法重构的背景噪声平均亮度小、 噪声能量低、 程序运行时间短。9:!“ 本文目标检测方法的实验结果与分析采用本文的背景重构算法能快速、 准确地得到重构背景图像； 再采用背景差法， 及本文提出的粗精搜索方法进行目标检测。在运动目标检测程序中对于 A0.BC*?)序列图像预处理时二值化阈值设为:2， 采用8 F8 模板的腐蚀膨胀算子； 判断粗搜索是否进行精搜索的阈值设为198， 即若投影比值大
9、于 198 时， 停止搜索， 粗搜索即为最 终的目标检测结果， 否则再进一步进行精搜索。平均每帧的目标检测时间约为 29 11“ 35 6。如图 *,9 ;9?7AB CB;D ABE;:7?F8 + *);89G?=: H6E76=:76E， ,#-， %, （=?=0?7;6 8=?F; OAP= ;6 OAQE:;G6 7CC=:=676E A6 ;?=:0876;GP C:A8=P 7CC=:=676E + * )F76=P= +;G:6AB ;C L7=60?7C7 (6P?:G8=6?， ,#-， ,/ （!） ： “-6 8=?F0; C;: P8ABB 8;A9?7=?=?7;
10、68=?F; C;: 8;O7B= ;OX=? + * +;G:6AB ;C HB=?:;67 V=AP0G:=8=6? A6 (6P?:G8=6?， ,#!， ,（I） ： /0=?=?7;6 ?=F06;B;EZ 76 =; P=UG=6=P + * );89G?=: 299B7A?7;6PA6 L;C?DA:=， ,#!， ,. （:7=P A6 A99B7A?7;6P;C 8;?7;6 A6ABZP7P OAP= ;6 ;9?7AB CB;D + * );89G?=:V=APG:=8=6? );6?:;B， ,#/， ;6 OAQE:;G6 :=E7P?:A?7;6 + * L=87;
11、6G0?;: 9?;=B=?:;67P， ,#!， ,“ （6 ;6?;G:P ;C8GB?79B= 8; + *+;G:6AB ;C HB=?:;67P A6 (6C;:8A?7;6 =F6;B;EZ， ,#.，,/ （,） ： %#-0%#“* “ $ 许俊波* 目标检测与跟踪方法研究 T * 武汉： 中国地质大学， ,#/*YK + N* F= :=P=A:F ;C =?=?7;6 A6 ?:AQ76E ;C 8;=?=?7;6 76 A678AE= P=UG=6= + * +;G:6AB ;C F= )F76A _A7BDAZ L;7=0?Z， :7?F8 C;: =?=?76E 8;
12、 ;6 AA9?7 PGO?:A?7;6 A6 PZ808=?:7AB 7CC=:=676E + * 299B7A?7;6 _=P=A:F ;C );809G?=:P， ,#!， ,. （,） ： I!0I“#* ;C8;=?=?7;6 76 78AE= P=UG=6= G6=:;89B= OAQE:;G6 + * );89G?=: H6E76=:76E A6 2909B7A?7;6P， ,#,（,%） ： ,0,I*C ;6=:676E 9:;OB=8 ;C 8;?7;6 =0?=?7;6 ?:AQ76E T * Y7 A6： 3;:?FD=P? K67 :=;6P?:G?7;6ABE;:7
13、?F8 OAP= ;6 97=B 76?=6P7?Z BAPP7C7A?7;6 + * +;G:06AB ;C L;C?DA:=， ,#.， :?;876E ;C PA6B76= C7BB76E AB0E;:7?F8 C;: ;6B7A?= ;66=?76E :=E7;6 A6 7?P 789:; （?） ： (A.(B ! 朱虹. 数字图像处理基础 C . 北京： 科学出版社， 年获西安交通大学博士学位， 现为西安理工大学教授、 博士生导师， 研究方向为复杂系统的建模与控制、智能机器人控制、 智能控制理论与方法、 数字信号处理等。M)237：73G:N O2G,. *:G. 5+! !“#
14、$“%& 1*5*3P*: #6Q :*81* /10) R3 2+ -320,0+8 F+3P*1I3,9，3+ (. E* 3I 5G11*+,79 2 H10/*II01，:05,01327 IGH*1P3I01 2+:,6* H1*I3:*+, 0/ R3 2+ F+3P*1I3,9 0/ 4*56+07089. E3I 1*I*2156 3+,*1*I,I 3+57G:* 50)H7*O I9I,*) )0:*73+8 2+: 50+,107，P3IG27 I*1P0，3+,*7738*+, 10S0, 50+,107，:383,27 I38+27 H105*II3+8 2+: 3+
15、,*7738*+, 50+,107 ,6*019.! ! 杨延西， =? 年获西安理工大学博士学位， 副教授， 主要研究方向为智能机器人控制与图像处理。M)237：92+992+O3N O2G,. *:G. 5+!(%& (%)“ 1*5*3P*: #6Q :*81* /10) R3 2+ F+3P*1I3,9 0/4*56+07089，3+ =?，E* 3I 2+ 2II0532,* H10/*II01 3+ R3 2+ F+3P*1I3,9 0/ 4*56+07089. E3I 1*I*2156 3+,*1*I,I 3+57G:* 3+,*7738*+,10S0, 50+,107 2+: 3)28* H105*II3+8.! ! 赵豆， = 年获得西安理工大学硕士学位， 主要研究方向为智能机器人控制与图像处理。! *+(, $,# 1*5*3P*: C. L. :*81* /10) R3 2+ F+3P*1I3,9 0/4*56+07089，3+ =. E*1 1*I*2156 3+,*1*I,I 3+57G:* 3+,*7738*+,10S0, 50+,107 2+: 3)28* H105*II3+8.
