基于对称差分算法的快速人脸运动图像分割方法

发布时间：2024-04-13 17:06

　　随着现代社会的发展和人类生活方式的变化,为了便于公共场所的管理,大部分城市地区都设置了视频监控系统.视频监控系统所收集数据的处理,需要使用合适的算法来进行计算,其处理的难点在于从变化的背景环境和流动的人行之中快速进行人脸识别和图像分割,这是传统算法难以实现的.该研究基于传统经典差分算法,对各个算法流程进行优化改进,具体包含了空背景提取、前景检测和阴影消除等.为了验证该算法的有效性和实用性,将该算法进行相应的人脸识别检测系统设计,并进行实际的使用.通过对不同场景的监控检测处理可以看出,基于对称差分算法的视频监控系统能够实现各项功能,准确分割出人形轮廓,快速进行人脸运动图像的分割和检测.进一步利用既有的录像数据进行系统测试,通过测试可以看出在3组不同的复杂环境下,该算法都能够快速准确地进行图像识别,具有很好的鲁棒性.

【文章页数】：10 页

【部分图文】：

图2均值背景模型算法流程图

Bx,yi={0i=0i-1iBx,yi+1iΙx,yiother?????????(2)根据式(2)可以看出,背景模型会在系统中不断进行迭代更新,因此可以灵活选取判断出背景训练的结束条件.均值背景模型算法流程如图2所示.采用常规的....

图3空背景自动提取流程图

Τi={Τi-1+C/(1-ri)ifai>0.7Τi-1otherwise?????????(4)图4背景差分结果分块示意

图4背景差分结果分块示意

图3空背景自动提取流程图在式(4)中,C为一个常数,常规取值为10.通过计算后,当前景的比例超过整个图像的70%以上时,需要适当提高二值化门限值.

图1背景差分的算法流程图

背景差分算法的基本思想就是用当前的图像减去背景模型后得到前景的目标区域,一般情况下由于背景是固定不变的,因此当存在运动目标时,二者就会有非常显著的差异,在这种情况下对于运动人脸的检测效果较好,但是对于多个人物运动以及背景环境发生运动变化时,就难以计算得到二者的差值.....

本文编号：3953359