论文部分内容阅读
随着计算机视觉技术的不断发展,视频处理的理论和算法也在不断进步。前景物体提取是视频分析的基础性工作,也是国内外学者研究的热点问题。本文对复杂场景下的背景建模与前景物体检测进行了较为深入的研究,并着重研究了应用广泛的混合高斯背景建模算法,提出了一种改进的背景更新算法。同时利用Intel公司开发的OpenCV提供的函数库进行测试。混合高斯模型是背景建模过程中比较常用的一种背景模型,该模型对图像中的每个像素采用固定数量的高斯分布,在实际应用中并非最优模型。本文提出一种改进的混合高斯建模的方法,根据各点像素值自身的情况采取不同个数的高斯分布对其进行描述,从而简化了计算的复杂度。在判定前景与背景时给定一个时间阈值,在这段时间内始终符合高斯分布的像素点才归为背景区域,此方法能有效克服场景中噪声的影响。实验结果表明,改进算法在有扰动及光照变化的场景中能够进行很好的背景建模。OpenCV是一个由Intel开发的开源计算机视觉库,包含众多图像处理方面的函数,本文详细介绍了OpenCV如何读取、处理和存储视频序列,并且利用OpenCV的视频处理的数据结构、函数以及基本框架,实现了两种前景物体检测的算法,并且通过实验进行了比较实际效果。背景减除是计算机视觉应用中一个基础的处理任务。在大量基于像素处理图像的算法中,每个像素都是独立的,这类算法的局限在于抛弃了图像中存在的大量关联信息。本文研究一种基于像素块的算法:可以在有噪声干扰,光照变化及动态背景的场景中获取前景物体,同时可以保证轮廓的平滑。该方法先将图像序列分解成重叠的像素块,然后从每一个像素块获得一个低维结构的描述符,最后使用自适应的级联分类器,对像素块进行分类。通过利用像素块重叠的特点,将基于块的分类合并为基于像素的分类,最终完成前景分割,生成前景掩模。与基于像素的方法不同,这里生成的前景掩模不需要进行后处理。实验表明:与先前的算法相比,该算法的处理质量与运算速度更好。