学生园地   xsyd
联系我们   Contact
搜索   Search
你的位置:首页 > 学生园地 > 学生工作

成都铁路学校部分优秀文章

2015-4-20 15:35:25      点击:
         运动信息也称为前景,是计算机视觉系统中最底层信息。前景检测在视频图像信息处理中有着重要的意义,是进行后期各项处理的基础。前景运动目标检测的结果直接影响系统的性能,正如本文所研究的基于视频图像的人群密度估计监控系统一样。准确的人群目标检测是提高对象识别、跟踪、分类和动态分析性能的有效保证。人群目标检测就是精确的从视频图像中获取人群像素点(前景),分离出静止的像素点(背景)。http://www.cdtlxx.net/
         根据背景是静止还是运动的,可以分为静止背景和运动背景这两种,本文研究的主要是静止背景下的视频图像处理。常用的传统的前景检测方法主要包括以下几种:背景差法、帧间差分法和光流法。光流法是以光流场的计算为基础提出的一种方法,是一种以亮度恒定的约束条件作为基础的检测运动区域的方法;帧间差法是从视频中抽取图像序列,将其中相邻两帧或者几帧图像做差运算,得到的差图像即为所需的前景;背景差法是直接将需要分析的视频图像和不含目标的背景图像进行比较,差图像即为所需前景。光流法检测前景简单易行,但其极易受噪声、光照等外界因素的干扰,并且对所有人群计算它的光流场的变化是相当耗时复杂的算法,不利于运动人群的实时检测。但是存在两个很棘手的缺点:其一,两帧间的目标重叠部分的目标很难检测出来,这将会使相当一部分人群检测不出来,必将影响最后的人群密度估计结果;其二,会产生很多的伪目标点,检测的结果往往会比实际的目标大一些。本文的研究主要是基于固定背景下的场景,故使用背景差法检测人群目标,下面重点介绍背景差法的实现原理。
         背景差法可以很容易的由需分析的图像和相应的背景图像相减得到完整的前景图像,但关键在于得到准确的背景图像。在实际的应用中一幅精确的背景图像是不容易得到的,目前有两种方法获得背景图像,分别是人工非自适应的方法和自适应背景模型法。人工非自适应的方法是当场景中没有任何目标时现场捕获背景图像,这种方法简单易行,但很明显不同的时间段外界的光线和噪声是不同的,因此人工非自适应的方法提取背景图像,对场景中的光照、噪声等比较敏感,会出现很多伪运动目标点,使用这样的背景图像必将会存在很大的误差。目前应用广泛的是自适应背景模型法,根据不同的场景条件和应用场合研究人员研究出来了许多不同类型的自适应背景模型。自适应背景模型法是根据场景条件的变化自动更新背景模型,以减少动态场景变化对前景提取的影响,从而达到最大程度的适应环境的变化。由于本文中检测的是视频图像中的人群,使用自适应背景模型法可以提高人群密度检测的准确率,将检测误差降到最低。