引言
運動目標檢測的關鍵是背景圖像的描述模型即背景模型，它是背景減法分割前景目標的基礎。背景模型有單模態(tài)和多模態(tài)兩種，前者在每個背景點上的顏色分布比較集中，可以用單個概率分布模型來描述；后者的分布則比較分散，需要多個分布模型來共同描述。此處研究的運動檢測算法采用背景消減和時域差分相結合，主要包括背景提取、背景更新、運動檢測等模塊，運算速度快便于編譯或直接在硬件上快速實現(xiàn)。
1 傳統(tǒng)運動檢測算法的性能評析
運動目標的檢測和分割是視頻流研究中的一個極其重要卻又困難的問題，它不但可以從視頻流中分割出目標和背景，同時它又是識別、分類和分析的基礎。傳統(tǒng)的運動檢測主要包括背景減除法、時域差分法、背景統(tǒng)計模型分類法和光流場法。
背景減除法比時域分析法能更好地給出運動目標完整的區(qū)域表示，由于在光線漸變場合下實際背景會隨著時間發(fā)生漸變，所以傳統(tǒng)的采用固定背景相減的方法容易由于漸變產生噪聲隨時間的累積。其實背景減除法和時域差分法在陛能上恰好互補，后者一般不能提取出運動目標的內部紋理，但由于采用一段小的時間間隔前后的兩幀圖像進行差分，時域差分法有受光線變化影響小，不會由于背景漸變產生噪聲隨時間的累積而增加。
2 該算法介紹及其實現(xiàn)
我們主要針對背景和攝像機都靜止這一特定應用場合，選用了背景消減和時域差分法綜合的運動檢測算法。這種算法的關鍵在于背景重建，在此我們應用幀間平均的背景重建方法，為了克服背景消減算法噪聲較大的先天不足，我們采用了形態(tài)學濾波方法去除噪聲。算法可以分為三個部分：背景提取、背景更新、運動檢測，整個算法的實現(xiàn)過程如圖所示。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產業(yè)前沿產品、技術及市場趨勢的專業(yè)媒體傳播和品牌服務。從安全管理到產業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗，提供媒體、活動、展會等整合營銷服務。
粵公網(wǎng)安備 44030402000264號
