单高斯模型.DOC

评阅成绩 计算机学院专业实习报告 专业名称 计算机科学与技术 实习题目 基于多摄像机协同的运动对象分割与三维重建系统之--- 背景建模与运动前景分割 姓 名 宋雪梅 班 级 学 号 2008302420 实习时间 2011/6/27-2011/7/8 指导教师 杨涛 2011年7月8日 目 录 摘 要 1 第一章 项目简介 2 1.1总体介绍 2 1.2本文研究内容 2 第二章 单高斯模型 3 2.1单高斯模型的理论基础 3 2.1.1 背景建模 3 2.1.2 背景更新 4 2.1.3 本文对传统单高斯进行的改进 4 2.2 单高斯算法流程图 5 2.2.1 背景建模 5 2.2.2 前景提取 5 第三章 阴影消除 6 3.1阴影消除 6 3.1.1 基于YUV颜色空间色度畸变的阴影检测方法 6 3.1.2 基于一阶梯度模型的阴影检测方法 7 3.2 简单的阴影消除法 7 第四章 实验结果与评价分析 9 4.1 实验结果 9 4.1.1 闭运算去噪 9 4.1.2 开运算去噪 10 4.1.3 采用中值滤波 11 4.2 存在的缺陷 11 4.2.1 缺陷一 11 4.2.2 缺陷二 12 第五章 测试与运行 12 第六章 生产实习心得体会 13  摘 要 前景检测是目标跟踪、分类、识别、行为理解等后继处理的基础。目前，主流的前景检测算法采用背景建模的思路，通过分析输入图像和估计背景的差异，提取变化的前景区域。由于对目标类型、观测角度、距离等因素不敏感，该类算法在很多监控场合得到广泛应用。本文通过对传统的单高斯模型进行改进，有效的解决了使用传统单高斯模型造成的阴影问题。对背景的更新率提出了一种新的方案，使得单高斯模型能迅速收敛。将基于色度畸变与一阶梯度信息的阴影消除方法结合起来，能够较好的消除阴影，使得运动目标轮廓更为精确，清晰。实验结果表明，在背景较为稳定的环境中，基于单高斯的运动目标检测方法能够很好很迅速的检测出运动目标，相比混合高斯模型，其时间复杂度和空间复杂度都具有优越性。 关键词：单高斯模型，背景建模，前景检测，阴影消除 第一章 项目简介 1.1总体介绍 第一步：构建摄像机内外参数标定子系统 采用经典的摄像机标定方法和摄像机自标定方法分别进行多个摄像机的标定，获取各个摄像机的内参和外参，从而建立图像像素坐标与世界坐标的映射关系，这是之后进行三维重建的基础。 第二步：构建背景建模与运动前景分割子系统 通过分析输入图像和估计背景的差异，提取变化的前景区域。对原始拍摄的视频数据进行前景提取，输入为彩色图像序列，输出为二值化的前景分割结果，即为剪影。 第三步：构建三维重建与显示子系统 根据前景分割的结果，利用三维重建可获得目标的三维信息，目前基于多视点环境的快速三维重建方法主要以Shape-From-Silhouette (SFS)算法为基础。原理如下：由于剪影是待重建物体在图像平面上的投影，因而物体应该完全落在从多个视点的剪影反投影形成的空间区域的交集中，这种根据剪影获取反投影交集的方法便是SFS，如果相机的数目足够多，并且合理布局以便覆盖广泛的视角，那么SFS方法获得的交集将是真实目标三维形状的良好近似。此模块要求组员利用前景分割的结果进行三维重建，并根据原始图像对重建的点云上色，最终完成三维重建结果的可视化显示。 本文进行第二个模块即背景建模与运动前景分割子系统的论述。 1.2本文研究内容 近年来，随着硬件设备成本大大降低，智能视频监控系统得到了日益广泛的研究与应用，智能视频监控技术也得到了越来越多的关注。运动检测技术是智能视频监控技术中的核心部分，通常用光流法，时间差分法和背景差分法进行运动目标检测。光流法利用运动目标随时间变化的光流特性进行运动检测，但其抗燥性能差，且计算非常复杂，很难满足视频监控系统实时性的要求。时间差分法又称帧差分法，它通过对相邻帧对应像素的差分来提取图像中的运动区域，能够很好的适应光照的变化，对背景的变化也有很好的自适应性。但用时间差分法提取出的运动区域往往会有较大的噪声，且对于运动缓慢的目标很难检测出来。背景差分法通过将输入的每一帧视频帧和通过训练得到的背景图像进行差分来检测运动目标。考虑到背景不可能完全固定，一个好的背景模型应该能够反映出背景随时间的推移发生的变化。因此背景模型应该能够反映出背景随时间的推移发生的变化。因此，背景差分法的关键不在于差分，而在于背景模型的建立与更新。常用的背景建模方法有单高斯模型法和混合高斯模型法。与混合高斯模型法相比，单高斯模型法的时间效率更高。在室内以及背景较