浅探视频序列中运动人体的实时检测
- 作者:admin 来源:网络 日期:2009-3-29 9:42:50
- 摘要：文章基于多高斯背景更新模型，提出了一种基于背景减除的时间差分运动目标检测方法，提高了运动目标提取的精确性。同时，用一种自适应阈值模型进行前景提取。提取出前景后，使用了一种边界检测算法和区域填充算法来得到一个封闭完整的前景区域。实验结果表明了该方法的可靠性和鲁棒性。
关键词：视频序列；自适应阈值；边界检测；区域填充；运动目标检测
一、引言
近年来随着视觉监控系统所需的硬件设备成本大大降低，视觉监控获得了日益广泛的研究与应用，涉及到计算机视觉、模式识别和人工智能领域的许多核心课题。运动人体的检测与提取是视觉监控的重要内容以及研究热点。在实际情况下，由于光照的变化、背景混乱运动的干扰、运动人体的影子、摄像机的抖动以及运动人体的自遮挡和互遮挡现象的存在，这些都给运动人体的正确识别带来了极大的挑战。运动人体的检测与提取处于整个视觉监控系统的最底层，是各种后续高级处理如目标分类、行为理解等的基础，因此成为计算机视觉研究中一项重要的课题。本文提出一种基于自适应更新背景模型的检测算法，在此背景模型的基础上使用一种基于背景减除的时间差分法，同时，本文以一种自适应阈值技术确定阈值；提取出运动区域后，以一种连通区域检测算法来实现目标运动区域的边界提取，然后使用种子填充算法来实现对运动目标区域的填充得到一个完整封闭的区域。
二、高斯背景更新模型
在本文算法中使用一种基于高斯统计模型[2]的背景图像估计算法，其中背景图像的估计由初始化和更新两部分组成。在背景图像的初始化算法中，求取一段较长的时间段(M)视频序列图像中每一像素的平均亮度，并计算在该段时间内的每一像素亮度的方差作为初始的背景估计图像，即B0=[]，式中
(1)
(2)
当背景估计图像的初始化完成后，随着新图像的到来，需要使用下列公式不断自适应地更新背景图像参数，得到更新后的背景估计图像为Bt=[]，式中
(3)
(4)
(5)
是一给定的[0，1]之间的常数。
三、运动目标的检测与提取
（一）基于背景减除的时间差分法
本文提出了一种采用了背景减除法和时间差分法加权平均的目标检测方法实现运动目标提取。在本方法的变化量的检测中，灰度级的变化量不仅用到了连续两帧图像的差分图像，而且还用到了当前帧和背景图像的差分图像。
在本算法中，做运动目标检测时首先要计算出的背景模型图像和采集k和k+1时刻的连续两帧灰度图像。然后为了检测到图像变化的区域，需要计算k和k+1时刻的连续两帧灰度图像的时域差分()与当前图像和背景模型图像的差分()，这两个差分二值化图像和可以通过如下的公式得到:
(6)
(7)
其中，和是进行差分图像二值化的阈值，最后二值运动模板()就可以通过下面的公式计算得出:
(8)
从(5)式可以看出是和所检测到的运动信息的一个并集。这样就可保证在总体轮廓稳定性的基础上，对需要的运动信息进行细节提取。
（二）自适应阈值
在不存在噪声的理想情况下，差分图像中不为零的区域表示运动区域，然后鱿鱼外界噪声的存在，差分图像不可能为令。需要设定阈值T以消除噪声的影响。阈值的选取直接决定着检测结果的好坏，只有恰当的阈值才能正确的分割出运动目标所占的区域。这里我们使用一种基于高斯模型的自适应阈值方法。此方法是一种基于直方图物体分割的方法，我们假设差分得到的灰度图像直方图是由三个附加高斯噪声相加而得到。差分值的混合概率密度函数是：
（9）
(10)
其中为比例因子，为均值，为标准差。
对差分图像定义直方图概率函数如下式：
（11）
其中n为差值灰度图像中像素点的总数，是计算灰度值为d像素点个数的函数。定义准则函数如下式：
（12）
使得上式取最小值灰度值d即为所求的阈值。
（三）形态学图像滤波
为了解决阈值分割后的差分图像可能会存在一些目标空洞和少量的孤立噪声的问题，本算法使用了数学形态学[3]进行图像处理。数学形态学的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。
基本的形态学运算是腐蚀和膨胀，腐蚀(Erosion)是消除目标图像中的无用点（或孤立噪声点）的一个过程，其结果使剩下的目标比处理前减少了一些像素。一般意义的腐蚀定义是：X用B来腐蚀记为，定义为
(13)
膨胀（Dilation）是腐蚀运算的对偶运算（逆运算），它是将与目标接触的所有点合并到该目标的过程，过程的结果是使目标的面积增加了相应数量的像素。膨胀在填补分割后目标中的空洞很有用。X用B来膨胀记为定义是：
(14)
先腐蚀后膨胀的过程称为开运算(Opening)。它具有消除细小目标、在纤细点处分离目标和平滑大的边界且不明显改变其面积的作用。开运算的定义为：
(15)
先膨胀后腐蚀的过程称为闭运算(Closing)。它具有填充目标内部细小空洞、连接邻近目标，在不明显改变面积的情况下平滑其边界的作用，闭运算的定义为：
(16)
通常情况下，对视频序列图像使用阈值分割二值化时，所得到的二值化图像中目标区域的边界往往不是平滑的，目标区域具有一定的因漏判而产生的空洞，背景区域上有一些因误判而产生的粒状噪声。连续的开和闭运算可以显著的改善这种情况，得到期望的效果。
（四）运动目标区域的完整提取
为了准确的提取出运动目标区域，特别是当目标的运动速度较快而导致运动变化区域内的被覆盖和显露的背景区域较大时，必须考虑运动目标的边界信息。首先联合当前帧边缘检测的结果与相邻帧之间的变化区域得到的运动目标的边界：
（17）
其中表示对当前帧边缘检测的结果，””表示取交集运算，表示当前帧中运动目标的边界。然后对进行适当的区域填充就可得到比较准确且联通的运动目标区域。
区域填充：边缘检测得到目标的边界后，可通过填充得到连通的目标区域。假设一个区域边界点的集合为A，他的补集记为，用一个结构元素B对它膨胀、求补和求交来填充区域。首先给边界内1个点赋1，然后根据下列迭代公司填充：
（18）
当时停止迭代。这时和A的交集就包括填充了的区域内部和它的边界。式（11）中的膨胀过程如果不控制会超出边界，但是每一步与的交将其限制在感兴趣的区域。
四、结语
本文介绍的运动目标的识检测与提取方法可以广泛运用于监测与识别系统如可作为医院、银行、重要部门办公室等地的监视和保安系统，也可应用于无人监控，无人自主操作等各种领域。通过多次实验比较，采用本文的识别算法的系统是切实可行的，而且相对于以往算法在速度和准确率方面有很大的提高，且适用于绝大多数情况下对移动目标的跟踪识别。但是在多个移动目标相离较近、互相遮挡时，无法精确提取每个目标的信息，从而容易出现误判或漏判。因此如何采用多摄像机的数据融合技术[5]进行多目标的精确识别与跟踪仍是日后研究的焦点问题.http://www.dxlww.net代写论文网
参考文献
[1]ELGAMMALA，DURAISWAMIR，HARWOODD，etal.Backgroundandforegroundmodelingusingnonparametrickerneldensityestimationforvisualsurveillance[J].ProceedingsoftheIEEE，2002，90(7)．
[2]HuwerS，NiemannH．AdaptiveChangeDetectionforReal-timeSureillanceApplications[A]．Proceedings．3rdIEEEInternationalWorkshoponVisualSurveillance[C]．2000．
[3]王新成．高级图象处理技术．中国科学技术出版社，，2000．
[4]于广．基于计算机视觉的人运动捕获综述[J]．计算机工程与设计，2004，25(1)．
代写论文联系方式
联系QQ：904272800
联系信箱：904272800@qq.com
代写论文导航
客户、写手申请单
最新论文
热点论文
