基于背景帧像素颜色级别变化移动行人侦测优化算法.docVIP

基于背景帧像素颜色级别变化移动行人侦测优化算法 　　摘 要目前有很多侦测连续视频流中行人移动的方法，这些方法都是运用差分比较而得来的，在本文中将描述其中最常用的方法，同时对这些方法进行算法的描述，并且还将用颜色级别变化算法进行必要的改进来进行比较。 　　【关键词】行人移动 差分比较 颜色级别变化算法 　　1 引言 　　现在最常用的办法就是前后帧的比较，当需要预测变化并且只是将这个变化保存，那么这个对视频压缩非常有用，但这种移动侦测应用并不是最好的，本文将对这个办法进行更加详尽的描述。 　　2 当前帧与背景帧的区别方法 　　假设将某一源图（24bpp，RGB）定义为当前帧，并且得到一份转化为灰度模式的拷贝，同样的过程运用于前一帧，其被定义为背景帧。首先都找出这两帧的不同点，这样就能利用差分和阈值过滤的方法。 　　// create filters 　　Differential differFilter = new Differential（ ）； 　　Filter Filterthreshold = new Threshold（ 15 ）； 　　// set backgroud frame as an overlay for difference filter 　　differFilter.ImageOverlay = backgroundFrame； 　　Bitmap temp1 = differFilter.Apply（currentFrame ）； 　　Bitmap temp2 = Filterthreshold.Apply（ tmp1）； 　　通过该步骤，如果当前帧与前一帧根据指定的阈值计算出两帧之间的差异，那么这种差异就会体现在一张有白色像素的图片上，并且这个过程也能具体的得到有多少个白色像素点，如果这个数值超过了预先定义的警报水平将会触发移动事件信号。 　　最简单的移动侦测已经准备好，现在将重点关注需要的移动区域。 　　从实验的结果可以看出该方法的缺点，如果对象移动缓慢，那该算法将收到帧与帧之间非常小的变化，因此，该方法不能得到整个移动对象，所以如果对象移动非常慢，那该算法就得不到任何结果。 　　有另外一种办法就是不用进行两个连续帧的比较，而是将当前帧与视频序列的第一帧进行比较，因此如果没有侦测对象在开始帧出现，那么当前帧与第一帧的比较就会得到完整的移动对象，这种方法就不用考虑侦测对象慢速移动。但同样这种方法有一很大的不足，比如一辆快速的车出现在第一帧，但是马上就消失于视频中，这样我们总是在这个地方得到移动的侦测结果。 　　最有效的算法是基于建立一个场景的背景，然后用每一帧与此背景进行比较，虽然有很多种方法来建立该场景，但是大多数方法都很复杂，在本文中将采用全新的方法来建立背景帧，这种办法就简单又易懂。 　　3 背景帧像素颜色级别变化优化算法 　　在上一情形中，我们假设将某一源图（24bpp，RGB）定义为当前帧，换而言之，其实就是得到了一份转化为灰度模式的拷贝，同样的过程运用于前一帧，其被定义为背景帧。首先将视频序列的第一帧作为背景帧，然后将当前帧与背景帧做比较，但其得出来的结果并不理想。我们的办法是将背景帧移动到当前帧，并将背景帧与当前帧同方向轻微的进行移动，我们将以每帧一个级别的变化来改变背景帧像素的颜色。 　　// create processing filters sequence 　　SequenceFilters Filterpro = new SequenceFilters（ ）； 　　Filterpro.Add（ new Differential（ Framebackground ） ）； 　　Filterpro.Add（ new Threshold（ 15 ） ）； 　　processingFilter.Add（ new Opening（ ） ）； 　　processingFilter.Add（ new Edges（ ） ）； 　　// apply the filter 　　Bitmap temp1 = Filterpro.Apply（ currentFrame ）； 　　// extract red channel from the original image 　　Filter Channelextrach = new ChannelExtract（ RGB.R ）； 　　Bitmap RChannel = Channelextrach.Apply（ image ）； 　　// merge red channel with moving object borders 　　Merge Filtermerge = new Merg