運(yùn)動(dòng)物體捕捉算法分析

1、視頻辦理算法背景提取的算法1.1原理框圖開(kāi)始讀入RGB圖象信息生成背景有足夠多的生成背景的幀了否是與背景比較，得出二進(jìn)制映像找尋連通單元，標(biāo)志象素找出最大連通單元的矩形用紅圈標(biāo)志變化目標(biāo)輸出圖片結(jié)束圖1.背景提取原理圖1.2背景提取與更新算法手動(dòng)背景法手動(dòng)背景法需要人察看到?jīng)]有前光景體時(shí)啟動(dòng)該幀圖像，作為背景圖像。這類(lèi)背景提取方法增添了人力和物力的需求，并且在好多狀況下很難在沒(méi)有遠(yuǎn)景的狀況下獲取背景圖像，比方高速公路的車(chē)輛監(jiān)測(cè)系統(tǒng)、小區(qū)的門(mén)禁系統(tǒng)等等。這類(lèi)方法不可以實(shí)現(xiàn)自適應(yīng)背景更新的功能，需要使用其余方法修正因?yàn)楣饷?，亮度等的變化帶?lái)的背景偏差。Surendra算法Surendra算法能夠自

2、適應(yīng)地獲取背景圖像。該算法提取背景的思想是經(jīng)過(guò)當(dāng)前幀幀差圖像找到物體的運(yùn)動(dòng)地區(qū)，對(duì)運(yùn)動(dòng)地區(qū)內(nèi)的背景保持不變，而非運(yùn)動(dòng)區(qū)域的背景用目前幀進(jìn)行替代更新，這樣經(jīng)過(guò)一段時(shí)間就能夠提拿出背景圖像。在仿真研究中發(fā)現(xiàn)，maxSteps很大程度地決定了背景成即刻的速度，則決定背景更新的速度。這類(lèi)背景建模和更新的方法，能夠很好地解決物體長(zhǎng)時(shí)間逗留對(duì)背景的影響，因?yàn)楸尘暗母聲?huì)將它逐漸地作為背景像素點(diǎn)更新到背景中?？墒且?yàn)樗幕巨k理方式是幀間差分，使得它不可以將色彩、亮度相像的，大面積的運(yùn)動(dòng)物體完好的檢測(cè)出來(lái)。這類(lèi)狀況下，運(yùn)動(dòng)物體的某些部分將作為背景地區(qū)更新到背景中。1.3動(dòng)目標(biāo)檢測(cè)算法幀間差分運(yùn)動(dòng)檢測(cè)鑒于幀間

3、差分的運(yùn)動(dòng)檢測(cè)即幀差法，它依據(jù)相鄰幀或隔幀圖像間亮度變化的大小來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)。這類(lèi)算法固然能實(shí)現(xiàn)及時(shí)辦理且對(duì)光芒變化不敏感，可是其切割出的運(yùn)動(dòng)目標(biāo)簡(jiǎn)單出現(xiàn)拉伸、空洞的現(xiàn)象；并且目遠(yuǎn)景運(yùn)動(dòng)很慢且時(shí)間間隔選擇不合合時(shí)，簡(jiǎn)單出現(xiàn)根本檢測(cè)不到物體的狀況。圖2.幀間差分運(yùn)動(dòng)檢測(cè)背景差分運(yùn)動(dòng)檢測(cè)背景差分算法的實(shí)質(zhì)是：及時(shí)輸入的場(chǎng)景圖像與背景圖像進(jìn)行差分，能夠較正確的切割出運(yùn)動(dòng)目標(biāo)?？墒潜尘安罘炙惴ㄒ灿衅涮烊坏娜秉c(diǎn)，跟著時(shí)間的推移，場(chǎng)景的光芒、樹(shù)葉的遮擋、或許運(yùn)動(dòng)物體滯留都會(huì)很大程度的損壞已經(jīng)成立好的背景圖像。為認(rèn)識(shí)決這些問(wèn)題，最好的方法即是使用背景建模和背景更新算法來(lái)填補(bǔ)。實(shí)驗(yàn)結(jié)果表示：背景差分算法也能夠

4、有效地檢測(cè)出運(yùn)動(dòng)目標(biāo)。因?yàn)楸尘敖Ｋ惴ǖ囊耄沟帽尘皩?duì)噪聲有必定的克制作用，在差分圖像中“雪花”。較幀間差分算法有所減少。同時(shí)，使用背景差分算法檢測(cè)出的運(yùn)動(dòng)物體輪廓，比幀間差分法的檢測(cè)結(jié)果更清楚。所以，在背景建模與背景更新處于比較理想的狀態(tài)下，背景差分算法獲取的差分結(jié)果略好于幀間差分的結(jié)果。圖3.背景差分運(yùn)動(dòng)檢測(cè)閾值的選用（假如調(diào)用MATLAB函數(shù)實(shí)現(xiàn)灰度圖轉(zhuǎn)二值圖，則不用考慮）選用灰度圖轉(zhuǎn)二值圖的域值。最大類(lèi)間方差法假定差分圖像的灰度級(jí)范圍為0,1,2,N，灰度級(jí)i的像素點(diǎn)個(gè)數(shù)為mi，則差分圖像的像素點(diǎn)總數(shù)為M，灰度級(jí)i出現(xiàn)的概率為pi，NpimiMmiM,i0若閾值Th把差分圖像的像素點(diǎn)

5、分為Ca=0,1,.與Cb=N,N-1,.Th-1兩類(lèi)（分別代表背景與遠(yuǎn)景），則Ca,Cb的概率及均值分別為：最大類(lèi)間方差法的成效有必定的提升。在運(yùn)動(dòng)物體較大時(shí)，最大類(lèi)間方差法經(jīng)過(guò)計(jì)算提升所選用的閾值大小，濾除噪聲擾亂。對(duì)照公式不難看出，在運(yùn)算速度上，最大類(lèi)間方差法有可能實(shí)現(xiàn)及時(shí)性操作。所以，對(duì)該數(shù)據(jù)源采用最大類(lèi)間方差法更好。目標(biāo)提取游程連通性算法連通性剖析是指按必定的規(guī)則找尋一幅圖像中全部的連通單元，并給予同一單元獨(dú)一的標(biāo)志。往常，對(duì)二值化辦理后提取的運(yùn)動(dòng)地區(qū)作連通性剖析來(lái)確立此中運(yùn)動(dòng)目標(biāo)的個(gè)數(shù)、地點(diǎn)、大小等狀況。對(duì)一幅二值圖像從左到右、從上到下進(jìn)行逐行逐點(diǎn)一次性掃描就能夠確立該圖像中連通地

6、區(qū)的數(shù)量和每個(gè)連通地區(qū)的大?。ㄏ袼攸c(diǎn)數(shù)量）。對(duì)每個(gè)確立的連通地區(qū)可經(jīng)過(guò)其大小進(jìn)一步判斷該地區(qū)是噪聲仍是遠(yuǎn)景目標(biāo)，這是因?yàn)槟繕?biāo)地點(diǎn)上點(diǎn)散布比較密集，基本連成一片，而噪聲地點(diǎn)上點(diǎn)散布則比較分別，出現(xiàn)大面積噪聲的可能性不大。與形態(tài)學(xué)濾波對(duì)比，連通性剖析在濾除噪聲的同時(shí)最大程度的保證了已提取目標(biāo)的完好性，經(jīng)過(guò)對(duì)二值圖像進(jìn)行標(biāo)志實(shí)現(xiàn)了初步的辨別，進(jìn)而更有益于后續(xù)的特點(diǎn)提取、目標(biāo)般配等追蹤辦理。像素標(biāo)志算法在待辦理的圖像中，我們需要對(duì)每個(gè)目標(biāo)做幾何形狀參數(shù)的提取與剖析，所以需要在圖像中選定目標(biāo)地區(qū)，即實(shí)現(xiàn)對(duì)感興趣目標(biāo)地區(qū)的標(biāo)定，一種確實(shí)可行的方法是對(duì)目標(biāo)地區(qū)進(jìn)行標(biāo)號(hào)辦理。目標(biāo)地區(qū)標(biāo)號(hào)辦理的基本思想是：對(duì)二值圖像中任一灰度值等于目標(biāo)值的像素點(diǎn)(i，j)，檢測(cè)其左、上兩鄰域像素點(diǎn)，若這兩點(diǎn)的值都為背景值，則該像素點(diǎn)(i，j)是新的目標(biāo)地區(qū)的起點(diǎn)，給予新標(biāo)號(hào)；若兩點(diǎn)已有一點(diǎn)賦了標(biāo)號(hào)，則以該標(biāo)號(hào)給予點(diǎn)(i，j)；若這兩點(diǎn)都已賦標(biāo)號(hào)，但不相等，就以較小的標(biāo)號(hào)給予點(diǎn)(i