基于视频监控运动目标检测算法描述.ppt

* * 在复杂场景中背景模型的建立、保持与更新都受到多种因素的影响，寻找理想的背景模型往往是非常困难的，同时，运动目标所投射运动阴影也给运动目标提取造成很大困难。 * 基于光流场进行运动分割的基本步骤为，首先利用前后两帧的图像进行运动场估计，然后利用运动场估计得出的运动向量进行场景分割，再对得到的分割结果进行后处理，如消除小的噪声干扰区域以及合并小区域等，当后处理完毕后，统计区域个数，如果存在着一个以上不同区域，则说明场景有变化，反之则认为场景没有任何改变。 光流法有着不需要预先知道运动场景的任何先验信息便可检测运动目标对象的特点，并且可以处理背景运动情况下的运动目标检测。它的缺点是：计算量大，很难做到实时性处理，并且噪声、多光源、阴影和遮挡等情况对识别结果有严重的影响。 首先计算当前样本点与模型中各个分布的匹配度，并根据此匹配度来更新各高斯分布中如协方差、均值等参数及各个高斯分布的权重，最终达到背景像素的分布收敛于一个或者多个高斯分布的目的。 * * 由于虚影区域没有真实运动存在，故计算运动前景掩模虚影区域的光流场可以消除虚影。 为改善检测效果，使用多个具有不同更新速度的背景模型，并在不同条件下选择不同的背景模型作为当前场景的背景。在多摄像机从不同角度对同一场景进行监控的场合，摄像机之间的视差信息可以用来估计场景深度，由于运动目标比场景背景离摄像机更近，故有效利用深度信息也有助