运动物体捕捉算法分析

1、视频办理算法背景提取的算法1.1原理框图开始读入RGB图象信息生成背景有足够多的生成背景的帧了否是与背景比较，得出二进制映像找寻连通单元，标志象素找出最大连通单元的矩形用红圈标志变化目标输出图片结束图1.背景提取原理图1.2背景提取与更新算法手动背景法手动背景法需要人察看到没有前光景体时启动该帧图像，作为背景图像。这类背景提取方法增添了人力和物力的需求，并且在好多状况下很难在没有远景的状况下获取背景图像，比方高速公路的车辆监测系统、小区的门禁系统等等。这类方法不可以实现自适应背景更新的功能，需要使用其余方法修正因为光芒，亮度等的变化带来的背景偏差。Surendra算法Surendra算法能够自

2、适应地获取背景图像。该算法提取背景的思想是经过当前帧帧差图像找到物体的运动地区，对运动地区内的背景保持不变，而非运动区域的背景用目前帧进行替代更新，这样经过一段时间就能够提拿出背景图像。在仿真研究中发现，maxSteps很大程度地决定了背景成即刻的速度，则决定背景更新的速度。这类背景建模和更新的方法，能够很好地解决物体长时间逗留对背景的影响，因为背景的更新会将它逐渐地作为背景像素点更新到背景中。可是因为它的基本办理方式是帧间差分，使得它不可以将色彩、亮度相像的，大面积的运动物体完好的检测出来。这类状况下，运动物体的某些部分将作为背景地区更新到背景中。1.3动目标检测算法帧间差分运动检测鉴于帧间

3、差分的运动检测即帧差法，它依据相邻帧或隔帧图像间亮度变化的大小来检测运动目标。这类算法固然能实现及时办理且对光芒变化不敏感，可是其切割出的运动目标简单出现拉伸、空洞的现象；并且目远景运动很慢且时间间隔选择不合合时，简单出现根本检测不到物体的状况。图2.帧间差分运动检测背景差分运动检测背景差分算法的实质是：及时输入的场景图像与背景图像进行差分，能够较正确的切割出运动目标。可是背景差分算法也有其天然的缺点，跟着时间的推移，场景的光芒、树叶的遮挡、或许运动物体滞留都会很大程度的损坏已经成立好的背景图像。为认识决这些问题，最好的方法即是使用背景建模和背景更新算法来填补。实验结果表示：背景差分算法也能够

4、有效地检测出运动目标。因为背景建模算法的引入，使得背景对噪声有必定的克制作用，在差分图像中“雪花”。较帧间差分算法有所减少。同时，使用背景差分算法检测出的运动物体轮廓，比帧间差分法的检测结果更清楚。所以，在背景建模与背景更新处于比较理想的状态下，背景差分算法获取的差分结果略好于帧间差分的结果。图3.背景差分运动检测阈值的选用（假如调用MATLAB函数实现灰度图转二值图，则不用考虑）选用灰度图转二值图的域值。最大类间方差法假定差分图像的灰度级范围为0,1,2,N，灰度级i的像素点个数为mi，则差分图像的像素点总数为M，灰度级i出现的概率为pi，NpimiMmiM,i0若阈值Th把差分图像的像素点

5、分为Ca=0,1,.与Cb=N,N-1,.Th-1两类（分别代表背景与远景），则Ca,Cb的概率及均值分别为：最大类间方差法的成效有必定的提升。在运动物体较大时，最大类间方差法经过计算提升所选用的阈值大小，滤除噪声扰乱。对照公式不难看出，在运算速度上，最大类间方差法有可能实现及时性操作。所以，对该数据源采用最大类间方差法更好。目标提取游程连通性算法连通性剖析是指按必定的规则找寻一幅图像中全部的连通单元，并给予同一单元独一的标志。往常，对二值化办理后提取的运动地区作连通性剖析来确立此中运动目标的个数、地点、大小等状况。对一幅二值图像从左到右、从上到下进行逐行逐点一次性扫描就能够确立该图像中连通地

6、区的数量和每个连通地区的大小（像素点数量）。对每个确立的连通地区可经过其大小进一步判断该地区是噪声仍是远景目标，这是因为目标地点上点散布比较密集，基本连成一片，而噪声地点上点散布则比较分别，出现大面积噪声的可能性不大。与形态学滤波对比，连通性剖析在滤除噪声的同时最大程度的保证了已提取目标的完好性，经过对二值图像进行标志实现了初步的辨别，进而更有益于后续的特点提取、目标般配等追踪办理。像素标志算法在待办理的图像中，我们需要对每个目标做几何形状参数的提取与剖析，所以需要在图像中选定目标地区，即实现对感兴趣目标地区的标定，一种确实可行的方法是对目标地区进行标号办理。目标地区标号办理的基本思想是：对二值图像中任一灰度值等于目标值的像素点(i，j)，检测其左、上两邻域像素点，若这两点的值都为背景值，则该像素点(i，j)是新的目标地区的起点，给予新标号；若两点已有一点赋了标号，则以该标号给予点(i，j)；若这两点都已赋标号，但不相等，就以较小的标号给予点(i