基于视频图像处理的重点区域建模及提取技术.pdfVIP

·= p已 ， ／ l■ 基于视频图像处理的重点区域建模及提取技术 刘宝树 (同济大学软件学院 上海 201804) [摘 要]本文分析了多种典型复杂场景下重点监控区域的特点，研究现有重点监控区域分割方法，提出基于背景颜色统计建模的重点监控区域提取方法 。 [关键词]监控场景；重点监控区域分割；V通道 ，形态学 中图分类号：TP391 文献标识码：A 文章编号：1009—914X(2015)05—0314一O1 1引言 通过2．2节分析可知，重点监控区域背景的灰度值分布近似服从高斯分布， 基于背景统计建模的重点监控区域提取是提高运动目标实时检测效率的 因此本文采用高斯模型对监控区域的背景V维灰度值概率分布进行描述。利用 有效途径。本文首先介绍重点监控区域提取的典型方法，在此基础上，分析监控 高斯建模思想 ，分别对上述城市交通与露天广场两种场景下的建模 图像中重点监控区域的特点，在HSV色彩空间的V分量进行颜色建模 ，建立一 根据数理统计理论可知：为保证监控场景中的重点监控区域分割的准确性 套基于重点监控区域颜色统计的建模方法 ，得到重点监控区域的分割阈值。在 (完整性)，假定重点监控该区域背景建模后的均值为 ，方差为 ，对于[0，1] 此基础上，利用颜色建模阈值进行重点监控区域的提取，采取必要的形态学处 上的V颜色分量 变量，则满足：l 一 』3or 理方法，实现复杂场景下重点监控区域的准确提取 。 就能保证图像真实样本的重点监控区域HSV色彩空间的V分量 ，被正确 2基于背景统计的重点监控区域建模研究 本文在复杂场景下采集到城市高速公路和露天行人广场的监控视频作为 分割为重点监控区域的概率为99．73％，以此为理论和已经得到的联合概率密 实验图像。目前，国内外的主要分割方法主要包括：阈值分割方法(其中使用最 度函数为依据 ，得到本为两种重点监控区域的分割阀值为：0．38V 一 为广泛的最大类间方差法和基于最大类间方差法扩展的二维Ostu~法)、基于 0．67；O．401，。 。 0．78 边缘检测的方法(例如canny算子)、基于区域的方法 以及结合特定理论的重点 。 监控区域分割方法。需要针对具体的应用场景时，分析应用场景的具体特点，结 其 中square 为露天广场监控场景重 点监控 区域 的分割 阈值 ， 合相应理论的图像分割方法能取得较好的分割效果。但无论怎么选择 ，只能在 transportation下标为城市交通该监控该场景下的重点监控区域的分割阈值。 某类监控场景下在实时睦E与鲁棒性取得折中的方法。 3重点监控区域的提取 21典型场景重点监控区域提取方案 3 1分割图像的形态学处理相关技术 对于一幅图像而言，如果需要对图像进行正确理解，肯定希望理解的目标 形态学在图像 中又称数字形态学(mathemati~lmorphology)，其作为提 出现在监控图像的bosom(底部)。对于大多数 的监控摄像头，监控场景中的运