Snake算法在运动目标检测中的应用.pdfVIP

2006年10月 ’ 沈 阳 理 工 大 学 学 报 Vn1．2 5 No ． 第蔓5卷 第5期 TRANSACTIONS OF SHENYANG LIGONG UNIVERSITY Oc_【 2 0 0 文章螭号：1003—1251(2006)05—0031—04 Snake算法在运动 目标检测中的应用 赵全邦，董慧颖，李泉富 (沈阳理工大学信息科学与工程学院，辽宁 沈阳110168) 摘 要：Snake算法(动态轮廓模型)在图像处理过程中有着广泛的应用．提出基于归一 化互相关系数的阴影检测方法，利用由帧问差分法得到的目标边界。自动设置Snake初 始位置，采用贪婪算法得到最终 目标收敛轮廓．实验结果表明，该算法能够快速有效地 。 检测 出多运动 目标． 关 键 词：归一化互相关系敷；阴影检测；动态轮廓模型；Snake算法 中图分类号：TP391 文献标识码：A 运动 目标检测是数字图像处理技术的一个主 右，从上到下空间顺序分成一系列kXk(k≥8)大 要部分。是计算机视觉、目标识别与跟踪、模式识 小的图像子块集合，将帧间差分图像按同样方式 别、运动图像编码、基于内容的检索、安全监控 、图 分成子块系列．在共同背景区子块内的随机噪声 像理解和精确制导等领域中非常重要的研究内 点序列，通常呈高斯分布；而对应于运动 目标区的 容． ． 子块，由于目标轮廓仍然存在，其分布不具有高 Snake算法最早是由Kass提出。被用来跟踪 斯性．高斯分布随机变量的一个重要属性是 4阶 人脸嘴部的运动．由于 Snake算法能够保证得到 统计量为零，因此背景区域对应的各子块的4阶 封闭的轮廓，并且对图像噪声和对比度不敏感 ，所 统计量近似为零，或很小．4阶统计量 可以利用 以逐渐在更多的场合 ，特别是医学和地理图像分 4阶中心矩m 、方差m：计算： =m 一3m 由于 析中得到了广泛应用 ¨J．通过研究发现，只需对 空间位置上对应于共同背景区的帧间差分图像子 传统Snake模型初始轮廓点的选取稍加改进，便 块内像素灰度值总体幅度很小 ，而对应于 目标区 可应用于运动 目标的检测． 的子块内像素灰度值总体幅度较大．因此，可以定 义子块平均能量 E来判定其 (运动 ／背景)归属 1 基于Snake算法的多运动 目标检 性．子块平均能量 E定义为子块内所有象素点灰 测 度平方和的均值．再结合各子块4阶统计量 与 子块平均能量 E定义：C=A。 +AE，其中正加 1．1 背景建模 权系数A。、A：满足条件 A。+A =1．这样，对于事 在运动 目标检测过程中，如果实际场景中始 先通过实验确定的门限 ，如果满足条件：C≤T， 终有运动 目标存在，但检测过程中还要利用背景 则判定子块为帧S，S+1的共同背景子块，否则为 信息，比如背景差分算法，这时就要进行背景建 帧s，s+1的运动目标区子块．这样，针对图像序 模，得到原始背景．本文利用块背景建模法重建背 列 {(，Y)} 。，可以由上述方法重建背景．通过 景 J，然后利用背景信息进行阴影检测． 实验比较发现，由上述方法重建的背景 比用中值 方法重建的背景更加接近真实背景，且运行速度 块背景建模法基本思想是：将原图按从左到 更快． 收稿 日期 ：2006-02—22 1．2 阴影检测