关键字 |
| 背景减法,对象检测、对象跟踪。 |
介绍 |
| )介绍 |
| 对象跟踪和检测的主要目的是建立一个对象在连续帧之间的通信和提取信息对象等姿势。逐帧跟踪检测对象的视频[1]是一个重要而困难的任务。这是一个至关重要的智能监测系统的一部分,因为没有对象跟踪,系统无法提取内聚的时间信息对象和更高层次的行为分析步骤是不可能的。运动目标检测是视频分析的第一步。一些应用程序如下[2]: |
| (i)视觉监测:人类行为识别系统流程序列图像摄像机监控等敏感地区银行部门商店,停车场和国家边界来确定下一个或多个人类从事可疑或犯罪活动。 |
| (2)基于内容的视频检索:人类行为的理解系统扫描输入视频,和高级语言中指定一个行动或事件作为输出。这个应用程序将是非常有用的体育解说员快速检索重要事件在特定的游戏。 |
| (3)运动性能精确分析:视频分析运动员的行动正成为一个importanttool体育训练,因为它没有运动干预。 |
| 在所有这些应用程序使用固定相机对静态背景和背景减法的一种常见方法是用于获得移动物体的初始估计。首先进行背景建模参考模型。这参考模型用于背景减法比较每个视频序列和参考模型,以确定可能的变化。当前视频帧之间的差异的参考系的像素表示移动物体的存在。变化也代表了前景像素进一步加工为对象的定位和跟踪。理想情况下,背景减法应该检测真正的移动物体高精度和限制假阴性(未检测到)尽可能。同时,它应该提取像素移动物体的最大可能像素,避免阴影,静态对象和噪声[2]。 |
| 本文的主要目的是开发一个算法能够检测对象的运动和跟踪。我们执行各种任务,如运动检测、背景建模和减法,前景检测、物体跟踪。本文的其余部分组织如下。第二部分描述了objectdetection使用背景减法算法。对象跟踪isperformed第三节。研究的结果发表在第四部分,其次是结论部分V。 |
| B)文献调查 |
| 视觉监控是计算机视觉中一个活跃的研究课题,试图探测、识别和跟踪对象在一个图像序列,这也使得试图理解和描述对象行为代替老旧的传统的方法监控摄像机由人类操作员。一个计算机视觉系统,可以监控立即未经授权的行为和长期的可疑行为,因此警报事件的深入调查人类操作员t [1]。视频监控系统可以手动、半自动或全自动根据人工干预。在手工的视频监控系统中,人类操作员负责监督整个任务而看视觉信息来自不同的相机[7]。经营者的繁琐和艰苦的工作看多屏幕同时要警惕任何不幸的事件。这些系统被证明是无效的,忙大地方摄像头的数量超过了人类专家的能力。这样的系统在世界各地广泛。半自动的视觉监控系统需要的帮助人类操作员和计算机视觉 |
对象检测使用背景减法 |
| 获得背景减法,背景模型。然后,传入的帧,并减去从背景模型[5]。与背景模型,移动物体可以被检测出来。这个算法被称为“背景减法”[10]。背景减法技术与效率的三个重要步骤:造型、噪声去除和数据验证,如图1所示。 |
| 背景建模[3],是其支柱产业的背景减法算法。背景模型定义模型的类型选择代表背景,可以只是一个框架和模型表示时间(t - 1)公式中值模型等。模型适应过程用于调整背景变化可能发生在一个场景。噪声去除是一个过程,消除噪音。数据验证参与技术来减少误分类的像素的集合。在最近的论文中,提出了许多背景减法算法,因为没有一种算法能够应对所有的挑战体育应用[10]。有几个好的背景减法算法必须解决的问题。因此在本文中最常用、背景减法算法进行了讨论。 |
| 提出了一种高斯混合模型(GMM)的背景减法弗里德曼和拉塞尔,[6]和高效的更新方程给出了Stauffer Grimson, [7]。在权力和Schoonees, [8] GMM与滞后阈值扩展。这个方法使用一个高斯概率密度函数来评估像素强度值。它发现当前的像素的强度值的差异和累积平均之前的值。所以它使累积平均(μ)最近的像素值。如果当前图像的像素差值和累积像素值大于一个常数的乘积值和标准偏差则分类为前景[11]。在每个t帧时,Ipixel”s值可以被分类为前景像素如果不平等:|它-μt | > kσ持有;否则,它可以被认为是背景,k是一个常数,标准差σ。在背景更新的运行平均: |
| 提出背景减法的方法,我们从相机捕捉帧。然后我们模型(t - 1)帧作为背景模型我们所指的对象检测与提取当前帧。 |
对象跟踪基于颜色的对象 |
| 对象跟踪手段识别与同一对象后的视频帧序列。相机被用作输入传感器获取帧视频形式。获得的视频可能会有一些噪音由于坏(光、风等或由于传感器的问题)。从拍摄帧删除噪声降噪技术用于改善图像质量,检测运动目标,基于移动物体的颜色。从帧提取对象使用不同的特性被称为对象检测。每个对象都有一个特定功能基于它的形状。 |
| 应用背景提取算法,可以提取出每一帧的对象。相机捕捉30 fps。实现最初进行matlab和对象跟踪测试的各种方法。指示的过程中的移动物体的帧序列被称为跟踪。这种跟踪可以通过执行对象的特征提取和检测对象的帧序列。我们跟踪的对象基本颜色RGB,检测对象框架我们区分输入灰度图像和彩色图像帧视频显示彩色家具 |
| 答:矩形边界框 |
| 一个矩形的边界框是绘制在前景物体检测基于GMM的背景减法。通过使用矩形边界框的尺寸,绘制一个重心。重心的位置存储&对象是有界的盒子。 |
结果 |
| 拟议的工作一直在使用MATLAB开发英特尔双核处理器,4 gb RAM和Windows XP SP2。实时视频序列获得30帧/秒的速度与帧大小为640×360像素的分辨率。 |
结论 |
| 本文的实时视频运动目标检测和跟踪,提出了基于背景减法。对于目标检测,我们提出可靠的背景模型,用阈值的方法来检测运动物体实时更新背景。最后,移动物体跟踪发现的颜色。这个方法是有益的时间效率,适用于小型移动物体的数量。目标检测和处理视频图像上的实现。人体的视频图像数据处理,获得及其几何重心在不同的时间间隔取决于色彩正在跟踪。 |
数据乍一看 |
|
|
引用 |
- Shih-Chia黄”,一个先进的运动检测算法对视频质量分析视频监控系统”IEEETRANSACTIONS电路和系统视频技术,21卷,没有。2011年1月1日。
- PritiP。Kuralkar Prof.V.T。Gaikwad”,人类对象跟踪使用背景减法和阴影去除技术,“在国际先进研究期刊》的研究在计算机科学和软件工程,卷2,3号,2012年。
- m . Hedayati Wan咪咪Diyana湾海岬,AiniHussain,”一个定性和定量的比较实时背景减法算法对于视频监控应用程序”的《计算机信息系统”,493 - 505页,2012年。
- l . KoteswaraRao k Sivanagi Reddy, k . PradeepVinaik”实现的对象跟踪和速度”的决心,在信息技术和知识管理的国际期刊,5卷,1号,2012年。
- 一个。McIvor,“背景减法技术”在图像和视觉计算的程序,奥克兰,新西兰,2000。
- 弗里德曼N。,Russell, S, “Image segmentation in video sequences: a probabilistic approach”, In: Proc. 13th Conf. on Uncertainty in Artificial Intelligence, 1997.
- C。Stauffer E。Grimson:“混合自适应背景模型实时跟踪”,IEEE计算机视觉和模式识别国际会议(CVPR) 2:246 - 252, 1999。
- 权力,毛重,Schoonees, J.A., “Understanding background mixture models for foreground segmentation”, In: Proc. of the Image and Vision Computing New Zealand, 2002.
- y Benezeth,下午。Jodoin, b·埃米尔·h·劳伦,c罗桑伯格“背景减法算法的比较研究”杂志的电子成像,学报,19卷,2010。
- m . Hedayati Wan咪咪Diyana湾海岬,AiniHussain,”一个定性和定量的比较实时背景减法算法对于视频监控应用程序”的《计算机信息系统”,493 - 505页,2012年。
- Z。转而经营”,改进的自适应Gausian混合物模型背景减法”,IEEE国际会议模式识别(ICPR), pp 28-31, 2004。
|
菜单
