基于图像融合的运动前景检测方法.docVIP

基于图像融合的运动前景检测方法 　　摘 要： 提出了一种有效的运动前景检测方法。该方法根据图像融合思想，将背景帧与监控视频的当前帧在R，G和B颜色通道分别进行融合，形成包含背景帧和当前帧视觉信息的单一融合图像。之后根据背景区域与前景运动目标在饱和度上存在较大差异的现象，使用大津算法分割融合图像的饱和度分量图，形成运动前景二值图。经形态学处理后，形成了目标区域较完整、背景干净的运动前景检测图。实验结果显示，该算法具有较好的前景检测性能，解决了背景减法过分依赖背景帧的缺陷。 　　关键词： 前景检测； 图像融合； 背景减法； 智能交通 　　中图分类号： TN911.73?34 文献标识码： A 文章编号： 1004?373X（2013）24?0067?03 　　Method for moving foreground detection based on image fusion 　　ZHANG Yu?hui， SHEN Yang 　　（Suqian College， Suqian 223800， China） 　　Abstract： An efficient moving foreground detection method presents in this paper. The background frame and current frame in monitoring vedio are fuzed in the R， G， and B color channels according to the image fusion idea to form a single frame including visual information of the background frame and current frame. The Otsu segmentation algorithm is used to get a moving foreground binary image by segmenting the saturation component of the fused image to eliminate the phenomenon that the background region and foreground moving target have a big difference on the saturation. The moving foreground detection diagram with a more complete target area and more clean background can be formed by morphological processing. The experimental results show that the algorithm has better foreground detection performance and can eliminate the defect caused by background subtraction algorithm which relies on background frame too much. 　　Keywords： foreground detection； image fusion； background subtraction； intelligent transportation 　　0 引 言 　　视频监控是智能交通ITS（Intelligent Transportation System）中的一项重要应用，一般将摄像机固定安放在道路上方，获取远距离交通视频。其中，车辆检测与跟踪需要在视频序列中实时提取车辆目标，再进行跟踪处理。运动目标投射到背景上的阴影通常与目标具有相似的运动特性，阴影可以分为自身阴影和投射阴影[1]。在运动目标检测中，自身阴影属于目标的一部分，它是由于物体自身没有被光源照射到而产生的，投射阴影是由于目标遮挡住光源从而在另一目标表面产生的阴影[2]。本文将运动目标投射阴影与运动目标的整体作为运动前景。 　　前景检测的常用方法有，帧间差分法、光流法、以及背景减法等。帧间差分法对光线和场景变化不敏感，但是不能完整地分割目标区域，分离出的运动目标容易出现空洞和沿着运动方向拉伸的现象，而且处理时间较长。光流法的优点是在不需要预先知道场景信息的情况下，能够检测出独立运动对象，但其对光线和噪声敏感，且计算复杂难以满足实时处理的要求。背景减法检测的结果直接依赖于背景模型提取的准确与否。针对以上不足，本文提出一种结合图像融合技术的运动前景检测方法，该