一种基于块知识新移动物体视频分割方法.docVIP

一种基于块知识的新的移动物体的视频分割方法 摘要 很多种不同的背景减法被广泛应用在视频中来观察移动物体。在这项工作中，我们建议了一张新的背景减法，这种发放在色彩空间中运作并且在分割的片断中管理色彩信息的观测并消除噪声，这种方法还结合了块知识以及可能出现在前景上的不同形式的块。这种想法用来分别处理各个像素，根据其所属的不同类别：真实的移动物体、阴影、虚假痕迹、反射、波动或者背景噪声。因此，前景是由处理被有选择的精炼过的被个图像框架得出的结果，适用于每个即时的合适的操作者根据我们想要消除的噪声块的类型。我们建议的这种方法是合适的，因为这种方法同时允许了背景模型以及门限的更新。一方面，由此强大的固定方法获得的结果是在一个很广泛的范围的不同顺序中提议的，另一方面，这些结果在分割过程中强调三原色的重要性而不是局限于一种颜色。 关键词：背景减法、反射观察、阴影观察、虚假痕迹观察、永久记忆、块知识。 序 在视频中观测移动物体是在很多计算机视频应用中提取信息的相关的第一步，比如，语义视频详解、认识方式、视频监视、交通监视以及行人追踪通过这种方法或侧的结果的质量是很重要的，有越多可靠的形状和移动物体的位置，他们被辨别的可靠性越高，相应的，他们在后面的有关追踪和分类的工作中会保证更高的成功。因此，与汽车视频分割有关的极其重要的部分将被分为北京中的移动物体和从这种物体中获得的清晰边界。 这些是基于移动物体观测的不同的方法，例如在统计学上(Horprasert et al., 1999; Lee, 2005; Stauffer and Grimson, 1999)、模糊逻辑(Jadon et al., 2001)、连贯构架的减法（Lipton et al., 1998)、视觉流动(Wang et al., 2003) 、基因算法(Kim and Park, 2006; Carmona et al., 2006; Martinez-Cantos et al., 2006)、 或综合了一些技术的杂交方法(Collins etal., 2000; Dedeoglu, 2004)。然而，与固定摄像机一起使用的一种最常用的方法是基于背景减法以及它的复合变体 (Wren et al., 1997; Haritaoglu et al.,2000; Stauffer and Grimson, 2000; McKenna et al., 2000; Kim and Kim, 2003; Cucchiara et al., 2003; Xu et al., 2005; Leone and Distante, 2007), 因为他的速度和所需工具容易，基本上来说，这种方法允许运动区域通过减法被观察到，一个像素一个像素的，在背景模式中吧当前图像作为参考。 通过上述观察算法得出的结果，特别是工作中使用真实镜头的，通常含有噪声。产生噪声的主要原因是摄像机自身的内部噪声，不期望有的反射、部分或全部色彩与北京一致的物体以及突然出现的阴影和(人工或自然的）光的变化。这些因素的综合效果可能是两方面的：首先，他可能意味着一些不属于移动物体的区域与前景（前景噪声）融合；此外，那些属于移动物体的决定性的区域不再出现在前景（背景噪声）中。尤其地，在用背景减法来分割的方式确定时，存在不同的建议来观测和消除这些噪声。因此，存在部分解决问题的建议，例如，因通过观测阴影(Xu et al., 2005; Leone et al., 2006; Leone and Distante, 2007)，然而另外一些建议完全攻击这个问题，也就是试图区分移动物体的块和不同的噪声块(Cucchiara et al., 2003)。 在这项工作中，我们建议了一种基于一个新的背景减法的变化的分割方法，这种方法使用不同种类的块中的相关信息，由于当前构架的处理，这些块可能在前景中出现。这些信息与通过对预备鸽图像的点和背景中的适量相关的适量的角度和单元的不同区域密切相关。因此，描绘图像的每个点的特性并将其分类时可能的，这是根据以下的类别区域分类的：真实移动的物体、阴影、虚假痕迹、反射、波动和背景噪声。最终目标是用这种基于块知识的新信息来重建前景和更新背景模型，因而通过分割达到最高的精确度。在任何时候，我们都建议用一台固定的摄像机获得的彩色视频工作，没有漏掉概述，我们在标准的RGB色彩空间中工作，这种方法可以运用在任何其他色擦空间中。 这篇文章剩余部分是这样组织的：第二部分描述不同前景快的特征，然后，我们所建议的分割方式，描述被称为圆锥去顶的方法（TCM）并分割成不同的步骤，首先（第三部分），做一个问题的表现空间的变换，从一个三维空间（色彩空间）传递到二维空间（角度构成空间）。这种方法是我们可以定义一个规则，叫做角度构成规则，