假设P代表一个像素训练的序列它包含了K个RGB向量P={x1x2.DOC

東海大學 資訊工程系 專題報告書 實作codebook背景模型 辨別連續影像前背景 指導老師：林正基教授 學生：952805林珏汝 952810羅苑瑜 952827許芝郡 952831 鍾旻樺 摘要 取出移動物件最典型的方法是利用靜態的光學監視，而最普遍的背景偵測使用於識別移動物體的方法則是”背景相減”，利用背景相減可以找出目前影像和我們所參考的影像模組之差異，並且可確認是為移動物件或是新的物體。 本報告中，我們參考Kyungnam Kim等人的文獻-建立codebook model的及時前背景分割(Real-time-background segmentation)，加以研究而後更進一步的實作論文內容，也就是根據一段影片內移動物體以及背景的光影以及色彩變化的特性加上背景相減的方式來區別影片中的背景以及前景(移動物件)。根據文獻內容，我們的影片內每個像素不同時間的標準化色彩，以及亮度的像素資訊會分別儲存在不同的codeword內，而一個像素不同時間的codeword所形成的集合則稱之為codebook。 我們將利用論文內提到的MNRL(Maximum negative run-length)時間過濾法，來更進一步的更新我們所建構的codebook，藉由計算各種物體像素出現的頻率及存在畫面的時間，來過濾短暫經過的移動物體，如此我們可以得到一個資料明確的背景模型。得到了背景模型之後，就可以以此為一個快取資料庫，偵測後續影片內哪些像素不屬於背景，進一步的能夠抓到前景。 在這個實作結果當中，初始資料的選擇對codebook的結果，不會有絕對性的影響。在前景偵測過程中，雖然隨著不同的光影仍然會有些許錯誤判斷，但大多數都能準確的抓出移動物件的輪廓。 摘要.....................................................1 目錄.....................................................2 圖表目錄.................................................3 第一章 研究背景..........................................4 1.1 背景建立技術概論..................................4 1.2 研究動機與目標....................................5 第二章 文獻探討...........................................6 2.1初始codebook模型的............................6 2.2 Maximum negative run–length .........................8 第三章 技術探討...........................................9 第四章 系統架構與流程圖..................................12 4.1 codebook構建程式演算法...........................13 4.2 前景偵測.........................................14 4.3系統環境.........................................15 第五章 成果展示.........................................16 第六章 結論.............................................20 參考文獻................................................21 圖表目錄 圖2.1：codebook示意圖..................................7 圖2.2：初始codebook模型的training..................8 圖2.3：MNRL的示意圖..................................9 圖3.1：RGB空間中的像素值分佈.........................10 圖3.2：色彩及亮度模型..................................11 圖4.1：codebook構......................13 圖4.2：前景偵測流程圖..................................14 圖5.1：初始training做過亮度(高門檻)及色彩比對截圖.......16 圖5.