论文部分内容阅读
动态视频序列中运动目标的检测在视频监视系统、交通自动监控、目标检测与跟踪、目标识别等领域有着十分重要的应用。视频序列中运动目标的检测由于受到外界环境(如树枝、树叶的摇动，光照条件的变化)以及背景中固定对象的移动等影响，使得从图像中准确地检测出运动目标成为当前的研究热点。常用的运动目标检测算法有：光流法、帧差法、背景减法。
光流法能够检测出独立运动的对象，并且不需要预先知道场景的任何信息，可用于摄像机运动的情况，但多数光流法计算复杂耗时，很难用于实时检测；帧差法非常适合于动态变化的环境，但不能弯曲的分割运动对象，不利于进一步的对象分析与识别；背景减法实现简单，并且能够完整的分割出运动对象，但是背景模型恢复的准确与否直接关系到最终检测结果的准确性；
上述三种运动目标检测方法只是利用了图像的时序特性，虽然能够分割出运动目标，却难以获得准确的对象轮廓。本文采用背景减法进行运动目标检测，为了克服上述问题，提高检测的准确度，采用了一种基于统计的背景模型恢复方法。首先，通过观测[O，T]时间内同一像素点在相邻帧中的亮度值发现在一段时间内同一像素点的亮度值主要集中在很小的一个区域，统计亮度该区间亮度值，求取出中值作为该像素点的背景值，恢复出背景图像；将当前帧与背景相减分割出运动目标，对结果图像进行形态学处理。最后，以对象区域的边缘为初始位置，使用以彩色梯度为外部能量的活动轮廓(snake)算法获得准确的运动对象轮廓。