资源描述：
《基于视频图像的运动目标检测与识别50623》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、基于视频图像的运动目标检测与识别蔡友杰陈秀宏(江南大学信息工程学院江苏无锡214122)摘要：运动目标检测是场景监控的核心技术，而目标的阴影在很大程度上影响了目标的形状，干扰了真实目标的检测。本文提出以混合高斯模型为基础，利用背景差分法获得目标图像，将亮度，色度信息和归一化互相关函数的阴影检测法相结合对视频图像的阴影进行消除，并用形态学的方法对检测结果进行处理，实验证明该方法是可行的和有效的。关键词：目标检测；阴影消除；高斯模型；背景更新；形态学中图分类号：TP391.41文献标志码：AMovingObjectDetectionand
2、ShadowEliminationBasedonVideoImageCaiYoujieChenXiuhong(SchoolofInformationTechnology,JiangnanUniversity,JiangsuWuxi214122)Abstract:Movingobjectdetectionistheimportanttechnologyofscenemonitoring.Theshapeoftheobjectisaffectedmostlybyitsshadow,whichthetrueobjectdetectionis
3、interfered.Inthispaper,weproposedamethodbasedonhybridGaussianmodel.Weusebackgroundsubtractiontoobtainobjectimage.Inordertoeliminateshadow,weuselightness,chromaticityandnormalizedcrosscorrelation.Atlast,mathematicalmorphologyisusedtorepairtheimage.Experimentindicatesthat
4、themethodisfeasibleandeffective.Keywords:objectdetection,shadowelimination,Gaussianmodel,backgroundupdate，morphology1引言目标检测是计算机视觉的一个重要组成部分，在军事及工业等领域有着重要的应用前景。运动目标的检测方法主要有光流法，差值法。光流法的计算量很大，实时性和应用性较差。而图像差值法比较简单，实时性较好，是目前应用最广泛，最成功的运动目标检测的方法。图像差值法可分为两类，一类是用序列图像的每一帧与一个固定的静止的
5、参考帧做图像差分，但自然场景不是静止不变的，因而必须不断的更新背景。另一类是用序列图像的两帧进行差分，这种方法无法检测出两帧图像中重合的部分，只能检测出目标的一部分信息。在绝大多数视频监控图像应用中，每一个像素都可以用一个或多个高斯模型近似，因此，高斯背景模型是绝大多数目标检测方法常用的基本模型。许多学者对基于高斯混合背景模型的背景消除法作了改进并取得了较好的效果。Stauffer等人在文献[1]中提出了采用自适应混合高斯模型，作为背景统计模型的算法；Power等人在文献[2]中详细的讨论了混合高斯模型，并对模型中的参数选择及更新提出
6、了很好的建议。Monnet等人在文献[3]中对摆动的树叶，水纹的波动等动态纹理干扰作了深入研究，提出了在线的自动聚类模型来获得并预测场景中的这些变化以减少干扰。然而，由于光照条件的影响，大多数图像都存在阴影，阴影的存在干扰了目标的检测，使检测到的目标与真实的目标形状相差很大，这对后续处理如目标识别、行为判断等会产生很大的影响。混合高斯模型无法消除阴影的干扰，因此找到阴影消除的方法变得非常重要。近年来，提出了很多阴影消除方法，毛晓波在文献[4]中提出了基于最大色度差分的阴影检测方法，A.Leone在文献[5]中提出了基于纹理分析的阴影消
7、除方法，通过分析纹理信息获取前景目标并消除阴影，取得了较好的效果。本文以混合高斯模型为基础，利用背景差分法获取目标图像，然后利用亮度、色度和归一化互相关函数的阴影检测方法对视频图像的阴影进行消除，并用形态学的方法对检测结果进行滤波和孔洞修复，实验证明该方法是可行的，具有一定的应用价值。2．背景模型的建立及其更新2.1背景模型的建立背景图像差分法是基于静止背景的，但实际情况下，背景并不是完全静止的，因照明和天气变化而变化。1背景的变化给目标检测带来很大困难，因此，必须对背景图像进行实时更新。对视频中的某个像素(x,y)定义其分布模型，设
8、在t时刻，该像素取值的集合为{XX,...,Xt}={I(x,y,i),1≤i≤t}，其中I为视频帧。1,200如果将该像素的所有历史值用K个高斯分布模型近似，那么观察到的当前像素的概率为：Kp(Xt)=∑ωi,tη(X
