资源描述：
《ostu算法的改进研究》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、第23卷第5期四川理工学院学报(自然科学版)Vol23No52010年10月JournalofSichuanUniversityofScience&Engineering(NaturalScienceEdition)Oct2010文章编号:16731549(2010)05054303Ostu算法的改进研究梁金明,魏正曦(四川理工学院计算机学院,四川自贡643000)摘要:智能视频监控系统已经逐步应用到医院、商场等公共场合,运动目标检测算法是该智能系统的关键技术之一。文章首先从比较现有的典型运动目标检测算法出发,然后引入Ostu算法用于目标检测的图像处理过程中选取最佳阈
2、值,最后针对其实际存在的问题,给出了一种改进方法及测试结果。关键词:视频智能监控;运动检测;Ostu算法;运动目标中图分类号:TP391文献标识码:A动监控的作用。最后,运用图像识别等算法,完成对该引言监控是否存在异常的判断,根据判断结果进一步采取诸现有的大部分监控系统依然需要工作人员不断地如报警等行为。监视、检查监控屏幕的情况,日夜值守,工作量繁重。智从上述分析中可以看到,智能监控系统中第一个十[1]能视频监控系统要求计算机不仅能捕获现实中的场分重要的环节,即运动目标检测,它是设计智能监控系景,而且能分析和判断目标的行为,实现对各种场景中统的首要问题。运动目标检测算法的性能决定了运动目
3、标的检测与跟踪,从而在异常情况发生时及时做出反目标被初步处理后的形状与位置,从而直接影响到整个应。这种利用计算机视觉和数字图像处理技术,对摄像监控系统的性能和效果。机拍录的图像序列进行自动分析的智能系统,已经成为现有的运动目标检测算法已多达十多种,但就基本人们正在研究的一个热点。方法而言,背景减除法、光流法和相邻帧差法是其中最智能监控系统在图像处理方便包含的关键技术主基本的三种算法。每种算法都有其特定的适用环境和[2][3]要有运动目标的检测和跟踪以及目标识别。前者一定的优势,三种典型算法的比较见表1。属于数字图像的处理、分析阶段;而目标识别代表着更表1三种基本算法的性能比较复杂的数字图
4、像理解阶段,它的决策建立在前面工作的算法适用目标算法复杂度准确度结果之上。本文对运动目标检测算法进行讨论,以期在背景减除法面积较小较低较高光流法单、多目标较高较低现有算法的实际效果方面得到一定的改进。相邻帧差法速度较快一般较低1目标检测方法从表1可以看出,相邻帧差法时间效率高,便于实现,并且受光照和阴影影响小,只是当一帧图像中运动智能视频监控系统一般由数据采集和传输模块、运动目标检测与识别模块以及目标跟踪模块构成。数据目标的速度较慢时,难于检测出运动目标。背景减除法采集与传输模块用以捕获视频数据并将其送至信号处虽然解决了相邻帧差法的一些缺陷,但是对光照和噪声理模块;目标检测与识别模块
5、运用适当的目标检测算非常敏感。考虑到相邻帧差法和背景减除法的优势,可法,提取运动目标;目标跟踪模块在前面工作的基础上以将两者的思想相融合形成互补来重建可靠的背景图自动跟踪运动目标的位置,防止运动目标丢失以达到主像,提高检测效果。然而,要创建高质量的背景图像,在收稿日期:20100513基金项目:四川理工学院基金项目(2007ZR009)作者简介:梁金明(1965),男,四川自贡人,副教授,主要从事网络多媒体技术、人工智能方面的研究。544四川理工学院学报(自然科学版)2010年10月很多时候都会涉及到图像阈值的处理,即用像素的阈值按照最大类间方差的准则,让t
6、从0到K-1范围依2来区分图像中的运动目标和背景。下面的讨论将针对次取值,使最大的t值即为最大类间方差法的最佳阈[4]由Ostu提出的最佳阈值算法最大类间方差法进值。行讨论。2.2存在问题及改进办法在算法的实际应用中,运动目标A和图像背景B之2算法的改进间的最大类间方差公式(8)可由函数编程实现,以求得2.1算法描述最佳阈值。运动目标检测的任务是将视频序列中运动的人或22f(t)=pA(uA-t)+pB(uB-t)(8)物从景物中提取出来,经背景重建得到可靠背景图像,其中,灰度t是分割两个区域的阈值,uA、uB为目标物A阈值是图像中能有效区分运动目标和背景图像的重要和背景B的平均
7、灰度值,pA、pB为A和B区域内各像素[56]参数。设图像f(x,y)的灰度范围属于[T1,T2],这时的灰度和。当函数f(t)取得最大值时的自变量t值,即需要一定的准则确定[T1,T2]中的一个中间阈值t,使得为所求的最佳阈值。被划分的两个区间表示运动目标和背景图像的分类,其用最大方差法对一幅图像进行二值化的分割效果定义为:比较令人满意,目标和背景的区分较好。然而,经过反1f(x,y)>t复测试发现:该算法得到的阈值仅当运动目标
