视频监控中人体目标分割算法研究

《视频监控中人体目标分割算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、青岛科技人学研究生学位论文视频监控中人体目标分割算法研究摘要在计算机视觉领域，视频图像序列中的前景目标分割技术是一个被广泛研究的热点。虽然国内外的学者们提出了许多分割方法，但至今为止还没有一种通用、可靠的视频自动分割算法。特别是对于光照突变的情况很多算法都无法处理，并且分割结果不完整。在众多的分割算法中，本文将研究对象定位在视频监控中复杂背景下的人体目标分割，主要提出了关于运动人体目标的分割和人脸的分割的三种改进算法。本文首先从人体目标的运动特性出发，深入研究了高斯混合模型背景建模和贝叶斯判决理论，提出了

2、两种改进算法。其一是基于混合高斯模型背景建模的改进分割算法，创新之处是主要解决了光照突变情况下的分割。为适应光照变化提出一种交化检测方法，当检测到光照突变时，用梯度信息对混合高斯模型的分割结果进行校正，以避免大量背景误判为前景。其二，提出一种利用颜色、空问和帧间特性结合贝叶斯判别定理对视频图像进行分割，为求分割的完整性和准确性．并提出三种基于数学形态学的滤波器对分割结果进行处理，滤除孤立噪声点和阴影，并填补粗分割中阿景目标内部的空洞。但这两种算法只适用于人体目标运动时，当人体目标静止不变时就会将其判成背景

3、。鉴于此，本文提出一种基于肤色的人脸分割方法。该方法逐像素建立HSV颜色直方图，以三维仿射变换为模型表示人体肤色随光照的变化，并提出一种新的基于Markov预测模型和Wiener一步预测模型的线性组合模型来预测当前帧皮肤区域的颜色直方图，从而提取人体的皮肤区域，达到对人体目标的检测。实验表明本文提出的三种方法在存在光照突变的复杂背景视频中能有效地分割出运动的人体目标和人体的皮肤区域，并且分割结果较准确、完整。关键词人体目标分割光照变化检测贝叶斯理论形态滤波线性组合预测模型视频监控中人体目标分割算法研究ST

4、UDYONSEGMENT盯IONALGORITHMS0FHUMAN0BJECTINⅥDE0SUI【VEILLANCEInthefieldofcomputervision,thetechnique011videosegmentationiswidelyconsidered舔aresearchhotspot．Scholarsathomeandabroadhaveputforwardmanymethods，butSOfar,thereisnogeneralandreliablemethod．Especially

5、fewmethodscandealwiththeabruptilluminationandmanysegmentationresultsarenotintegral．Therefore,ourstudyfocusesOilhumanobjectsegmentationunderthecomplicatedbackground．Threeimprovedmethodsaboutthesegmentationofmotionhumanobjectandhumanfaceareproposedinthispap

6、er．Basedonthemotioncharactedsticofhumanobject,thepaperfirstlyresearchesOilMixtureofGanssiansandBayesiandecisionindetailandputsforwardtwoimprovedmethods，ThefirstoneisanimprovedsegmentationalgorithmbasedonMOGs(mixtureofGaussians)，whereinnovationisthatitcand

7、ealwiththeabruptillumination．Inordertoadaptthelightabruptvariation，weuseakindofvadatinildetecdonmethodtocIlecktheiiluminancevariafion．Thencarryonre,classificationoftheresultsofMOGsmethodwithgradientinformation，avoidingagreatdealofbackgroundmiselassifiedas

8、foreground．Insecondmethod，abinarymapofinitialforegroundsegmentationisachievedbyperformingBayesianstrategyaccordingtocolor，spatial，andtemporalfeatures．Inordertoobtainmoreintegralandaccurateforegroundobjects，threefilt