背景缩减和阴影检测算法文档整理

背景缩减和阴影检测算法文档整理

ID:27523324

大小:858.50 KB

页数:24页

时间:2018-12-04

背景缩减和阴影检测算法文档整理_第1页
背景缩减和阴影检测算法文档整理_第2页
背景缩减和阴影检测算法文档整理_第3页
背景缩减和阴影检测算法文档整理_第4页
背景缩减和阴影检测算法文档整理_第5页
资源描述:

《背景缩减和阴影检测算法文档整理》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、背景缩减和阴影检测算法文档整理目录目录2图例3摘要4第一部分.算法原理41.1数学预备知识41.2算法依据基本原理41.3算法颜色模型51.5颜色图象特征51.6背景缩减71.7背景模型71.8像素分类或缩减操作91.9自动边界值选择10第二部分.算法设计与实现112.1模块设计112.1.1SNP模块(算法主要模块)112.1.1.1接口设计说明112.1.1.2数据设计描述112.1.1.3算法设计描述122.1.1.4SNP模块机构类图132.1.2SNPFrame模块(界面主要模块)13

2、2.1.2.1接口设计说明132.1.2.2内部按钮响应类说明142.1.2.3数据设计描述142.1.2.4SNPFrame模块结构类图152.1.3其他模块152.2SNP算法实现过程(主要讲述SNPProcess过程)17A.直接文件(读入图片)模拟实现17B.视频文件(截取图片)模拟实现17C.摄像头连接实时模拟实现18第三部分.遇到问题综述及采用的相关解决措施193.1文件(读取图片)模拟实现问题19A.图片数有限,超过一定量的图片数就会出现内存溢出错误19B.在计算完成期望值后,试想

3、打印出我们的参照背景19C.特殊象素点来运算过程中方差值变化结果打印20D.输出我们用文件模拟得到的处理结果图203.2视频(截取图片)模拟实现213.3摄像头模拟实现23图例图表1三基色RGB空间中的模型4图表2颜色波段超过100桢每秒的颜色值的变化量6图表9光亮度和色度比较8图表10图像点分类9图表11SNP算法设计图11图表12SNP模块结构类图12图表13SNPFrame模块结构类图14图表14Seek模块结构类图14图表15矩形框显示视频模块结构类图15图表16视频框架模块结构类图15

4、图表20文件模拟参照背景18图表21文件模拟结果19图表22α_分布曲线20图表23CD_分布曲线20图表24正态分布曲线分布21摘要背景消除与阴影检测算法在对运动对象的检测和跟踪过程中有着重要的作用。关于背景消除与阴影检测的算法在已知文献中有很多种,本文主要研究关于背景缩减和阴影检测的统计方法的原理和实现。基本原理如下:通过背景缩减来识别一个背景图像中的动态图象。缩减背景的意思是根据参照图象缩减当前图象,参照图象是在一段时间里,从多个静态背景里统计获取。本文主要从以下三个方面对上阶段的工作进行

5、总结:一.算法原理二.算法设计与实现三.遇到问题综述及采用的相关解决措施通过本文的概述,旨在能够为后续任务提供一个相关参考。第一部分.算法原理在讲述我们的算法之前,我们需要准备必要的数学预备知识,主要包括期望值,方差值,标准差值等。1.1数学预备知识期望值:指的是简单地把这批数据总和除以数据总次数所得的商数。通常用它来反映大量事物的整体水平。方差:我们采用统计量Σ表示数据的变异程度,统计量Σ称为均方(meansquare缩写为MS),又称样本方差,记为S2,即S2=为了使所得的统计量是相应总体参

6、数的无偏估计量,统计学证明,在求离均差平方和的平均数时,分母不用样本含量n,而用自由度n-1.标准差:统计学上把样本方差S2的平方根叫做样本标准差,记为S.1.2算法依据基本原理人类视力具有对颜色进行固定的特点。虽然经过时空变化,对象可能会改变色彩,但人类依旧会分配给一个对象一种固定的颜色。在一个场景里一个点的感知颜色依赖于很多因素,包括这个点对象表面的物理特性。视觉中,一个点重要的物理属性是物体表面的反射属性,这种属性不随着光照,场景位置,空间的变化而变化。在Lambertain或者物质的理想

7、光滑表面,你所感知的颜色是光照和表面反射的结果。以上就是我们算法所依据的基本原理。1.3算法颜色模型我们的颜色模型是在三基色RGB空间中的模型,背景图象是静止的像素存储模型。我们用Ei代表第i个给出象素点的颜色期望值,Ii代表在当前图象该点的真实颜色值。Ii和Ei之间的不同点被分解为光亮度和光色度两部分(分量)。我们设计如下颜色模型来分离这两个分量:图表1三基色RGB空间中的模型【摘自AndreaPrati,IvanaMikic,MohanM.Trivedi,RitaCucchiara《Dere

8、ctingMovingShadowsFormulation,AlgorithmsandEvalution》】换句话说,从染色性中分离出光亮值。上图表明这个颜色模型是在RGB空间下的。在图象里考虑一个像素点,在一个参考或者背景图象里,让Ei=[Er(i),Eg(i),Eb(i)]代表像素的期望RGB值。线OEi经过原点和点Ei叫作期望染色线。接着,让Ii=[Ir(i),Ig(i),Ib(i)]表示从那个缩减背景图象得来的当前图象的RGB值。主要的,我们想计算Ii到Ei的扭曲量,我们把这个扭曲量分解

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。