基于形状信息的运动目标提取方法研究

发布时间：2024-03-05 02:03

　　在智能视频监控网络中,运动目标提取作为步态识别、行为分析的基础,发挥着重要的作用。背景减除算法作为运动目标提取方法之一,受环境的影响较大,提取出的结果往往不是一个完整的目标。为了使背景减除的结果更加接近目标的真实形状,可以将形状这种自上向下的信息融合进背景减除方法中。当背景减除方法只包含自下向上的信息时,在存在动态干扰(场景中存在树叶抖动、喷泉等)或者目标与背景颜色相似的环境下,一个目标可能分成多个连通域,对步态识别等高级应用造成影响。为了解决这个问题,本文对如何利用形状信息提高运动目标提取的结果,进行了深入研究。通过在线建立形状先验图像和离线训练形状模型两种方式,将背景减除的结果修正为一个相对完整的目标。本文的主要研究工作和贡献归纳如下:(1)研究了背景减除算法并对此进行后处理操作,提出了将形状先验信息嵌入马尔科夫随机场(Markovrandomfields,MRF)的后处理算法。设计了形状先验信息对应的局部能量函数,利用当前帧的前面多帧结果的信息构造形状先验图像,目的是利用已有的背景减除结果引导后续的运动目标提取过程。此外,在计算形状先验时通过提取运动目标的连通域的方式对运动目标定...

【文章页数】：103 页

【学位级别】：硕士

【部分图文】：

图１．１运动目标提取中的难点??

图?１．２?ｃａｍｏｕｆｌａｇｅ?问题??因为存在多种复杂的场景，所依靠单一的方法很难处理运动目标提取的??各种问题。如图１．３所示，第一列是前景背景颜色相似引起的人体形状断开，第??二列是由于阴影引起的形状多余，第王列是由于动态背景（喷泉）引起的形状缺??失。希望在这些复杂的环....

图１．３复杂场景下的背素减除结果??１丄２背景减除的重要作用??

第１章绪论??ＥＨＥ１２??图１．１运动目标提取中的难点??光照变化：良好的背景模型需要逐渐适应光照的变化；??移动背景：背景模型包括一些变化的但是不属于前景的成分，比如摇摆的树??叶、喷泉等；??投射阴影投影阴影属于背景，否则，一些步态识别方法会受到干扰。??但是，阴影颜色与背....

图１．６判断一个餘亲点的类别过程ＩＭ１??

６｛知〇（?了?））ｎ?佔（１．扣??根据么式（１．３），像素点？；〇９）的分类包括计算ｕ（ｐ）和模型样本点之间的ｉＶ？个??距离，并且通过阀值巧进行次欧式距离的比较，如图１．６所示，因为只想找到??一些匹配，所Ｗ找到ｉＬｂ个匹配时，一个像棄的分类过程就可Ｗ停止。像素自??适应分....

图1.8同时进行目标分例与姿态估计

在［３５］中通过当前侦的边缘信息提取得到形状先验，在ＭＡＰ－ＭＲＦ框架下进??行求解，不过存在大量的指数算予使得算法耗时。上面的获取形状先验的方法??都没有用到前后侦结果么间的关系。在［１１］中使用了过去结果引导当前目标提取结??果，如图１．９所示，第二行显示了?ＧＭＭ的结果，可....

本文编号：3919506