資源描述：
《基于圖像塊差分和MeanShift算法的運(yùn)動(dòng)目標(biāo)檢測.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、第28卷第8期計(jì)算機(jī)應(yīng)用Vol.28No.82008年8月ComputerApplicationsAug.2008文章編號:1001-9081(2008)08-2017-04基于圖像塊差分和MeanShift算法的運(yùn)動(dòng)目標(biāo)檢測劉玉蘭,彭思龍(中國科學(xué)院自動(dòng)化研究所國家專用集成電路設(shè)計(jì)工程技術(shù)研究中心,北京100080)(lylandxb@sina.com)摘要:運(yùn)動(dòng)目標(biāo)檢測是計(jì)算機(jī)視覺中的一個(gè)重要研究內(nèi)容,現(xiàn)有算法中的一個(gè)重要問題是噪聲對分割結(jié)果的影響。提出了一種時(shí)空域信息相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測算法:首先利
2、用圖像塊的重心位置在時(shí)間域上差分結(jié)果初始化目標(biāo)輪廓,圖像塊差分的方法可以消除噪聲的影響及減少目標(biāo)內(nèi)部的空洞;然后采用MeanShift算法對初始輪廓進(jìn)行迭代,使其逐步貼近真實(shí)的目標(biāo)邊緣。實(shí)驗(yàn)表明該算法能快速準(zhǔn)確地分割出序列圖像中的運(yùn)動(dòng)目標(biāo)。關(guān)鍵詞:視頻監(jiān)控;運(yùn)動(dòng)分割;圖像塊差分;偏移的均值向量中圖分類號:TP391.41文獻(xiàn)標(biāo)志碼:AMotiondetectionbasedonimageblockdifferenceandmeanshiftalgorithmLIUYu2lan,PENGSi2long(Na
3、tionalASICDesignEngineeringCenter,InstituteofAutomation,ChineseAcademyofSciences,Beijing100080,China)Abstract:Motiondetectionisanimportantresearchareaincomputervision.Aconventionalprobleminexistingalgorithmsistheinfluenceofnoisesonthesegmentalresults.Anew
4、motiondetectionalgorithmbasedonjointinformationinspatio2temporaldomainwaspresented.First,resultbytemporaldifferenceofimageblock'sbarycenterwasusedtoinitializeanobjectcontour.Theimageblockdifferencealgorithmcaneliminatetheinfluenceofnoiseandreduceblackhole
5、sinobjects.Then,ameanshiftalgorithmwasusedtoiteratetheinitialcontourtomakeitclosetotheobjectstepbystep.Experimentsshowthatthisalgorithmcandetectmovingobjectsinimagesequencequicklyandaccurately.Keywords:videosurveillance;motionsegmentation;imageblockdiffer
6、ence;meanshift先用圖像塊信息在時(shí)間域上的差分分割出運(yùn)動(dòng)目標(biāo)的大致區(qū)0引言域,然后在空間域上用MeanShift算法對目標(biāo)初始輪廓進(jìn)行隨著信息技術(shù)和硬件技術(shù)的發(fā)展,計(jì)算機(jī)在處理速度、存迭代,使其逐步貼近真實(shí)的目標(biāo)邊緣。文章的最后給出了算儲(chǔ)容量等方面的性能快速提高,使智能化的視頻監(jiān)控序列圖法的結(jié)果和結(jié)論。像的快速理解成為可能,并在商業(yè)、軍事、交通等各個(gè)領(lǐng)域得1圖像塊差分到了非常廣泛的應(yīng)用。而第二代視頻編碼標(biāo)準(zhǔn)不再將圖像分為大小相同的塊進(jìn)行壓縮,而是分為目標(biāo)和背景分別進(jìn)行壓圖像差分法利用相鄰圖像幀
7、之間的亮度差別進(jìn)行目標(biāo)分[5-6]縮,因此大大促進(jìn)了視頻序列中的運(yùn)動(dòng)目標(biāo)分割的研究,并很割。為了降低視頻圖像中的噪聲干擾,我們采用了更具有快成為計(jì)算機(jī)視覺中的一個(gè)重要研究內(nèi)容。運(yùn)動(dòng)圖像分割和魯棒性的圖像塊差分方法。該方法將視頻序列中的每一幀圖靜止圖像分割的最大不同點(diǎn)在于運(yùn)動(dòng)信息的引入。像劃分為n×n大小、相互不重疊的塊,n的值可以根據(jù)運(yùn)動(dòng)目近年來,國內(nèi)外對運(yùn)動(dòng)目標(biāo)檢測技術(shù)進(jìn)行了廣泛的研標(biāo)的大小而確定。用Bk(i,j)表示第k幀圖像中位置為(i,j)究,提出了許多算法,常見的有光流法和差分法等。光流法反的圖
8、像塊,例如一幅120×220像素的圖像分成4×4大小,可映了場景中每一點(diǎn)的亮度變化趨勢,但由于計(jì)算量太大、對噪以得到30×55個(gè)圖像塊,i,j的取值分別從1到30和1到55。[1-2]聲敏感等缺點(diǎn)而缺乏實(shí)用性。差分法又分為背景差分法在光線緩慢、均勻變化的情況下,當(dāng)某一個(gè)圖像塊的重心位置和幀間差分法。背景差分法首先對圖像中的背景部分建立模在相鄰幀間發(fā)生較明顯的變化時(shí),則認(rèn)為其中有目標(biāo)出現(xiàn)。用[3-4]型并采用自適應(yīng)方法對模型參數(shù)
