監(jiān)控視頻中運動目標輪廓提取方法的研究與應用.pdf

1、隨著計算機技術(shù)的高度發(fā)展和電子智能產(chǎn)品的不斷涌現(xiàn)，計算機視覺和模式識別技術(shù)作為計算機感知科學的重要熱點領(lǐng)域得到了人們的足夠重視和廣泛研究。從通俗意義上講，計算機視覺技術(shù)就是一門研究如何使機器“看”并進行“思考”和處理的學科。作為計算機視覺領(lǐng)域的一個分支，本文著重于研究在電子監(jiān)控環(huán)境下，如何對運動目標進行識別檢測和輪廓提取，具有一定的研究價值。
　　本文首先介紹了在時間幀序列中進行移動對象檢測和判斷時的幾種傳統(tǒng)的方法，包括光流法、背

2、景減法和幀間差分法。在介紹這幾種方法時主要講述各算法的基本原理并進行比較分析。同時，還介紹了幾種常用的圖像輪廓提取方法。與視頻中運動目標輪廓提取不同的是，此處主要針對圖像中靜態(tài)的事物輪廓，包括邊緣提取算子、形態(tài)學處理、主動輪廓線提取等。
　　本文提出了一種基于Sobel邊緣檢測算子和幀間差分法融合的運動目標輪廓粗提取技術(shù)。算法主要利用了兩種方法對視頻幀圖像進行提取時包含共同的運動目標信息來進行的。同時考慮到算法效率的問題，在已有算

3、法基礎(chǔ)上，本文提出了基于速度自適應的運動目標輪廓提取技術(shù)，該方法可以依賴運動目標的速度靈活的選擇差分運算的幀序列。此外，綜合已有的模型，本文總結(jié)出了一套運動目標輪廓提取算法通用模型。
　　其次，本文在已提出的運動目標輪廓提取模型上，提出了基于形態(tài)學后處理的運動目標輪廓精提取技術(shù)。該技術(shù)首先對檢測的運動目標進行腐蝕運算，濾去噪聲;然后進行兩次膨脹處理，恢復并增強連通區(qū)域;最后選擇骨架提取技術(shù)對目標輪廓進行精確提取。運用形態(tài)學處理進行