视频序列中运动对象分割方法的设计与实现
自适应遗传视频运动对象分割算法
ｏｅ ｔ ，ａａｔ ｅＣＯＳｏｅ ａ ｎ ｕａｏ ａ ， ｕｇ ｎｓｏ ｒ ｎｔ ｎ ｔｅｐｏ ｌ ｓｏ ｏｒａｔｎｅ ｃ ｎ ｒｍ ｔ ｅＯＣＩ ｐｒ ｏ ｄ ｐｉ ＲＳ ｏ ｓ ｇｎｙａｄｐｅ ａ ｒ ＣＵ ａ ｒ ｖ ｔ ｉ ｅ ｔ ｍｉ ｏ ｍ ｐ ｒ ｉ ｕ ￣ ＇
・
论文 ・
【 摘 要】为了快速准确地分割视频运动对象 ， 出一种新 的 自适应遗传视频运动对象分割算法。该算法通过完善进化机制 ， 提 引进
自适 应初 代 个 体 、 白适 应选 择 算 子 、 自适应 调 整 交叉 率和 变异 率 以及 终 止 判 决 等 ， 效 解 决 了遗 传 算 法 收 敛 速 度 慢 和 群 体 过 早 成 有 熟的 问题 。 实 验结 果 表 明 ， 算 法不 但 缩 短 了分 割 时 间 ， 新 而且 取 得 了 良好 的分 割效 果 。
ｒ ｍ ｅ ｉ ｅ ｅ ｃ ａｇ ｒ ｍ ｒ ｅ ｏ ｖ ｄ Ｔ １ ｘ ｅ ｍｅ ｔｒ ｓ ｌ ｈ ｗ ｈ ｔｔ ｅ ｎ ｗ ｓ ｇ ｎ ａｉ ｎ ｍｅｈ ｄ ｃ ｎ ｇ ｅ ｔ ｍｐ ｏ ｅ ｔ ｅ ｓ ｅ ｅ ｎ ｇ ｎ ｔ ｌｏ ｔ ｉ ｉ ｈ ａ ｅ ｒ ｓ ｌｅ ． １ ｅ ｐ ｒ ｎ ｅ ｕ ｔ ｓ ｏ ｔａ ｅ ｅ ｍｅ ｔ ｔ ｔ ｏ ａ ｒ ａ ｙ ｉ ｒ ｖ ｐ ｄ ｅ ｉ ｓ ｈ ｏ ｌ ｈ ｅ ｏ ｅ ｍｅ ｔｔ ｎ ａ ｄ ａ ｑ ｉ ｏ ｄ ｓ ｇ ｎ ｔ ｎ ｒ ｓ ｌ ． ｆ ｓ ｇ ｎ ｉ ｎ ｃ ｕ ｒ ｇ ｏ ｅ ｍｅ ｔ ｉ ｅ ｕ ｔ ａ ｏ ｅ ａ ｏ ｓ
一种视频序列中的运动对象自动分割算法
关 键词 运 动对象 ， 背景噪声方差 ， 帧差 图， 活动轮廓
Ａ Ｎ ｗ Ｍｅｈ ｄｆｒ ｖｎ ｊｃ ｅｍｅ ｔｔ ｎＡ ｔｍａｉ ｌ ｄ ｏＳ ｑ ｅｃ ｅ ｔｏ ｏ Ｍｏ ｉｇ０ｂｅｔ ｇ ｎａｉ ｕｏ ｔ ａｌ ｉ Ｖｉｅ ｅｕ ｎ ｅ Ｓ ｏ ｃ ｙｎ
ｅｓ ｈ ｎ ｔｅｒｓｄ ａ ｎ ｉ ｎ ｈ ｎｏ ｅｅ ａｋ ｒｕ ｄｄ ｅｔ ｅ ｔ ｎ ｆ ｂｅｔ ａｅｆｓ ｎ ｆ ｃ ｖｌ ｌ ｉ ａ．Ｔ ｅ ， ｉｕ ｌ ｏ ｅａ ｔｅｕ ｃｖ ｒｄｂ ｃｇ ｏ ｎ ｕ Ｏｔ ｉ ｓｏ ｊｃｓ ｒ ｔ ｄｅ ｅｔ ｅｙｅ ｍ — ｈ ｅ ｓ ｄ ｈ ｍｏ ｏ ｏ ａ ａ ｉ ｉ ｈ ｔ ｙｍｏｐ ｏｏｉ ｌ ｐｒｔ ｎ ｄｉｔ ｓｃ ｏ ｆｗｏ ｙ ａｅ ｂ ｒｈ ｌｇｃ ｅａｉ ｓ ｎ ｅ ｅｔ ｎｏ ｍｍｅｒ ａ ｍｏ ｉ ｅｓ ｄ ａｏ ｏ ａ ｎｒ ｉ ｔ ｓ ｔ ｃｌ ｖ ａ ａ．Ｔｈ ｓｔｅｎｔ ｌ ｖｎ ｂｅｔ ｎ ｉ ｇ ｎ ｒ ｕ ｉａ ｍｏｉ ｏ ｊｃ ａ ｄ ｈ ｉ ｉ ｇ
ｃ ｍ ｅｔｅｓ ｏ ｔｏ ｎ ｆｓｔｉ ｈ ａｕ ｆｂ ｃ ｇ ｏ ｎ ｏｓ ａｉｎ ｅｂ ｘ ｅｉｎ ｅ ｗｅｅ ｔ ｔ ｈ ａｕ ｙ ｈｓｏ ｏ ｈ ｈ ｒｃ ｍｉｇｏ ｅ ｔ ｔ ｅｖ ｌｅｏ ａ ｋ ｒ ｕ ｄ ｎ ｉｅｖ ｒａ ｃ ｙ ｅ ｐ ｒｅ ｃ ， ｓｉ ｅｔ ｅｖ ｌｅｂ ｉｔ ｇ ｎ ｍａ
ｇ ａ ｆｔｉ ｇ Ａｔｔ ｅｓ ｍｅ ｔ ｒ ｍ ｉｔ ． ｎ ｈ ａ ｉ ， ｓ ｈ ｉ ｎｆｃ ｎ ｅ ｔｓ Ｏ ｔ ｒ ｓ ｏ ｄ ｔ ｅｄ ｆｅ ｅ ｃ ｇ ｎ ｘ ｒ ｃ ｈ ｖ ｎ ｒ ｍｅ ｗｅｕ ｅ ｔ ｅ ｓｇ ｉｉ ｃ ｅ ｔｔ ｈ ｅ ｈ ｌ ｈ ｉ ｒ ｎ ｅｉ ａ ｆ ａ ｍ ｅ ａ ｄ ｅ ｔ ａ ｔ ｅｍｏ ｉ ａ — ｔ ｇ
改进的混合高斯模型的运动对象分割算法
改进 的 混合 高斯 模 型 的运 动 对 象 分 割算 法
张 宗彬
（ 尔滨 工程 大学 信 息与通信 工程 学院 ， 哈 黑龙江 哈 尔滨 １００ ） ５０ １ 摘 要： 针对视频序列 中运动对象分割 问题 ， 提出一种改进 的混合 高斯模 型分割算 法． 该算 法首 先 由混合 高斯
模 型 得 到 前 景 ， 后 用 当前 帧 的前 景 区域 与上 一 帧 对 应 位 置做 差 ， 分 出 实 际 变 化 区 域 及 误 检 区 域 并 为 误 检 区 之 区 域 赋 予 较 大 的 更 新 速 率 ， 而 有 效 地 改 善 了长 时 间 静 止 物 体 转 为 运 动 后 留下 的 “ 影 ” 光 线 突 变 导 致 的大 面 从 鬼 及 积 误 检 情 况 ． 用 阴影 抑 制 和形 态 学 滤 波 使 得 前 景 目标 分 割 的性 能得 到 有 效 的 提 高 ． 验 表 明 ， 算 法 能 够 迅 采 实 本 速 响 应 实 际 场 景 的 变 化 ， 确 分 割 出运 动 对 象 ． 准
ａｄｓｄ ｅ ｌ ｍｉａ ｏ ｈ ｎ ｅｐｏ ｌ ｕ ｕ ｄ ｎｍｏｉｇｏ ａｍｏ ｏｌｓ ｏｊｃ．Ｔ ｅ ｅ ｏｍ ｎ ｅｃｎｂ ｆ ｎ ｕ ｄ ｎｉｕ ｎ ｔ ｎｃ ａｇ ｒｂｅ ｄ ｅｔ ｓｄ ｅ ｖｎ ｆ ｔ ｎｅｓ ｂｅｔ ｈ ｒ ｒ ａ ｃ ａ ｅｅ ｌ ｉ ｍｓ ｏ ｉ ｐ ｆ －
第 ３ 第 ５期 ７卷 ２１ ００年 ５月
一种自动分割视频对象的新方法
关键 词 ： 频对 象 ； 视 变化检 测 ；差 分边 缘 ；二值 边缘模板 中图分类号 ：Ｔ ３ １４ Ｐ ９． １ 文 献标识 码 ： Ａ 文章 编号 ：０９— ５６ ２０ ） ３— ０ １ ０ １０ ３ １ （０ ６ Ｏ ０ ６ — ４
且适用性广的方法Ｌ ， ４ 缺点是易受到噪声的干扰并且由于缺少空间边缘信息而使得对象边缘不准确。 Ｊ
本文提出一种利用边缘信息分割视频对象的新 方法。首先对相邻帧进行差分检测和边缘检测。其次通
过差分边缘、 当前帧边缘检测出视频对象的初始边缘模板， 并分为快变和慢变两部分进行跟踪和更新以适应
自 动视频对象的分割方法大致可分为光流法、 运动跟踪法和帧间差运动检测法… 。光流法 受到光流
可靠性的影响 ， 对噪声极为敏感 ， 计算复杂。运动跟踪法 的思想是根据视频对象 的先前状 态来估计它的
当前状 态 ， 征的选 取决 定其 准确性 和有效 性 。利用 帧间差 特征 的运动检 测 时空 法是一 种 简单 、 特 直接 、 快速 、
原始视频数据通常都包含很多与视频内容无关的噪声 ， 有的还存在摄像机运动而造成 的全局运动。因 此， 为了提高视频对象分割的效率和准确性 ， 首先对视频序列进行去噪和背景的运动估计 和补偿。本文用 中 值滤波器进行去噪， 因为中值滤波器可以保护图像边缘并且可以有效的去除噪声 。
对于背景存在全局运动的序列 ， 采用 ６ 参数的仿射变换模型补偿进行 。变换公式如下式所示。
一种简单快速的多媒体视频序列中运动对象分割方法
检 索等方 面很 多领域中都有广泛的应用 。 目前运 动 对 象 分 割 的 算 法 基 本 可 分 为 光 流 法 … 、 景 差 背 法 和帧 间差法 等 。光流法 的分 割效果 不错 ， 但是 容易受 到 噪声 和光照 变化等 的影 响 ， 并且 计算 起来 比较复 杂 ， 时性 较 实
ｔｅｍ ｖ ｇ ｏｊｃ ｒ ｉｎｉ ｆ ｌ ｉ ｒ ｉ ｌ ａ ｅ．Ｅ ｐ ｒ ｎｓ ｈ ｗ ｔａ ｔｉ ａｇｒ ｈ ａ ｅ ａｇ ｏ ｅ ｍ ｎｉｇｒｓ ｌ ｗ ｔ ｈ ａ ｎ ｄ ｈ ｏ ｉ ｂｅ ｔ ｅ ｏ ｌ ｄｗ ｔ ｏｉ ｎ ｌ ｓ ｘ ｅ ｍｅ ｔ ｓ ｏ ｔ ｈｓ ｌｏｉ ｍ ｃ ｎ ｇ ｔ ｏ ｄ ｓｇ ｅ ｔ ｕ ｉ ｓ ｏ ｅ ｅ ｎ ｇ ｓ ｉｅ ｈ ｇａｖｕ ｉ ｈ ｔ ｎ ｅ ｔ ｈ
ｐ ｏ ｅ ｓ ｎ ｉ ｅ ｒ ｃ ｓ ｉ ｇ ｔｍ ．
Ｋｅ ｗ ｒ ｓ ｙ ｏｄ
Ｓ ｍｍ ｔ ｃｌ Ｆ Ｇ ａ ｉ ｔ ｍ ｇ Ｍｏ ｉｇｒ ｉ ｓ Ｍｏ ｉ ｂｅ ｔ ａ ｋ ｙ ｅ ｉａ Ｄ Ｄ ｒ ｒｄ ｎ ａ ｅ ｅ ｉ ｖ ｅ ｏ ｎ ｇ ｎ ｖ ｇ ｏｊｃ ｍ ｓ ｎ
Ａｂｓ ｒ ｔ ｔａｃ Ｉ ｒ ｒ ｔ ｍｐ ｏ ｅ ｔ ｅ ｒ ａ ｉ ｅ ｉｅ ｎ ｎｄ ｔ ｅ ｕｔｏ ｉ ｏｓ ｇ ｎ ａｉ ｎ ｏ ｄｅ ｏ ｉ ｒ ｖ ｈ ｅ ｌｔｍｅ ｒｑｕ ｒ ｍｅ ｔａ ｈｅｒ ｓ ｌ ｆｖｄｅ ｅ ｍｅ ｔ ｔ ｏｎ，ｔ ｓ ｐ ｐ ｒｐ ｅ ｅ ｔ ｉ ｈｉ ａ ｅ ｒ ｓ ｎｓ ａｓｍｐｌ ｎ ａ ｔｍｏ ｉ ｇ ｅ ａ ｄ ｆ ｓ ｖｎ
ｅｃ ａｅａ ｄｔｅｇａｉ ｔｍ ｇ．Ｔ ｒ ｇ ｔｅ ａｉ ｌ ｏ ｈｌｇ ｒｃｓｉ ｎ ｉ ｃｎｉｇｗ ｅ ｅｍ ｖｎ ｂｅｔ ａｋ ｔａｔ ｎｅｉ ｇ ｎ ｒ ｅ ａｅ ｈｏ ｈｍａ ｍ ｔ ａ ｍ ｒ ｏｏｙｐｏｅｓ ｇａｄｔ ｃ ｓａｎｎ ｅｇｔｈ ｏｉｇｏｊｃ ｍ ｓ．Ａ ｓ ｍ ｈ ｄ ｎｉ ｕ ｈ ｃ ｐ ｎ ｗｅ ｔ ｌ
运动物体分割技术在运动视频中的应用研究
运动物体分割技术在运动视频中的应用研究第一章：引言运动物体分割技术是近年来计算机视觉领域的研究热点之一。
它广泛应用于智能监控、自动驾驶、机器人控制等领域。
其中，在运动视频中对运动物体的分割，是一项具有挑战性的任务。
因为运动视频中的背景和前景是时刻变化的，相邻帧之间存在明显差异，如何快速准确地识别运动物体成为了研究人员关注的重点。
本文将针对运动物体分割技术在运动视频中的应用进行探讨，着重介绍分割算法及其实现过程。
第二章：运动物体分割的基本概念运动物体分割是指从运动视频中提取不同的动态对象，而不受背景的影响。
基于像素的运动物体分割需要对视频序列进行逐帧处理。
在运动视频中，像素值会受到运动物体和背景的影响，因此运动物体和背景的像素值分布不同。
利用像素的颜色、亮度等信息进行分类，就可以将运动物体和背景进行分割。
常用的运动物体分割算法包括基于帧差法的运动物体分割算法、基于光流法的运动物体分割算法、基于自适应背景建模的运动物体分割算法等。
第三章：基于帧差法帧差法是最常用的运动物体分割方法之一。
该方法简单易懂、计算速度较快并且不需要对图像实现预处理。
它通过比较相邻两帧图像之间的像素差异，来找到运动物体位置。
当两帧之间像素差值大于阈值时，即可判断该像素为运动物体像素。
通过迭代算法，可以得到运动物体的轮廓，并进一步实现分割。
但是帧差法也有其缺点，由于其对光照变化敏感，处理高速运动物体时容易出现字幕误检、噪声等问题。
第四章：基于光流法基于光流法的分割算法采用背景减除和前景跟踪的方法对视频进行处理。
光流法可以计算相邻帧之间像素的运动轨迹，以此来达到物体分割的目的。
与基于帧差法不同的是，光流法对于光照变化更具鲁棒性，适用于复杂场景下的运动物体分割。
但是，光流法也存在缺点，主要体现在对于变形较大、纹理缺失等情形下，性能表现欠佳。
第五章：基于自适应背景建模法自适应背景建模是最新、最高效的运动物体分割方法之一。
它采用学习的方式，随着时间的推移学习背景模型，从而实现对于运动物体的判断。
一种视频图像序列中运动对象的分割与跟踪算法
立前 帧感兴趣 运 动对 象与 当前帧 中各运 动对 象的 帧 间向量来跟 踪 当前 帧 中感 兴趣 的视 频对 象。 验 结 果表 明 ，该 算 法可行 ，而且 由 于该算 法 简单 、计算 复杂度 小 ，能很 好地 满足 实时监 控 系统
中 对感 兴趣运 动对 象的提 取 与跟 踪 。
键词：图像分割；边缘检测；跟踪算法；运动对象 关
由 图分 类号 ：Ｔ ３ Ｐ ９ ｌ
文献 标识码 ：Ａ
Ｍ ｅ ｈ ｄ ｆ ｒ ｓ ｇ ｅ ｔ ｔｏｎ ａｎ ｒ ｃ ｉ ｆ ｔ ｏ ｏ ｅ ｍ ｎ ａ ｉ ｄ ｔ ａ ｋ ｎｇ ｏ
ｍｏ ｉｇｏ ｊｃｓ ｎｖｄ ｏｓｑ ｅ ｃｓ ｖｎ ｂｅｔ ｉ ｉｅ ｅ ｕ ｎ ｅ
文献… 采用形态学和运动预测模型来进行分割 ， 依次完成特征提取、 特征匹配和运动分析 ３ 个步骤。ｈ ｍ Ｔｏ ａ ｓ 等提 出的 分割算 法是 基于 模 式识 别和 对象跟 踪技 术 ， Ｊ在视频 对象运 动量 较 大时 也能 达到较 好 的分割 效果 。
另外 ，视 频场景 中往 往存 在 多个运 动 对象 ，我们 只对其 中一个 或 几个运 动 对象感 兴趣 ，因此需 要对 感兴趣 的运 动对 象进行跟 踪 。传统 的跟踪 方法 通常 使用 Ｋ ｌ ｎ滤波 器或者 条 件概率 来 计算 和预 测刚 体 目标 的运 ａｍａ 动 。在运动 对象 被遮 挡和 发生 变 形的情 况 下 ，这 种跟踪 方法不 利于 视频 运动 对象 的 实时跟 踪 。 】
从h.264压缩码流提取运动对象的一种方法
ｌ 概述
视频对象分割是从视频序列帧 中分离出具有一定意义 的 实体 。近年来随着智能视频监 控系统、 目标识别 、视频数据
ＭＲ Ｆ的后验概率标记出属于运动对象的块 ， 但这种 方法只局
限于静态背景 的序列 。
２ 算法概 述
本文提 出的 ｈ２ ４压缩域内的运动视频对象 分割算法无 ．６
第３ 卷 第 １ 期 ６ ９
ＶＬ ｏ ３６
・
计
算
机
工
程
２１ ０ ０年 １ Ｏ月
Ｏｃ ｏ ｒ ２ ０ ｔ ｂｅ ０１
Ｎｏ１ ．９
Ｃｏ ｕ ｅ ｇ ｎ ｅ ｉ ｇ ｍｐ ｔ ｒＥｎ ｉ ｅ ｒｎ
多媒体技术及应用 ・
文 编 ｌ ３ ８ ０ ）＿ ２ — ２ 文 标 ： 章 号： ｏ ４ （ ｌ １ ＿ ３ ０ ０ ２２ ｏ９ ０ ２ 献 Ａ
ｓ ｇ ｎ ｅ ｌ ｗｉｈ ｕ ｅ ｏ ｉ ｇ ｖ ｄ ｏ ｃ ｍｐ ｅ ｓ ｄ ｓ ｅ ｍ． ｅ ｍｅ ｔ ｄ ｗｅ ｌ ｔ ｏ ｔｄ ｃ ｄ ｎ ｉ ｅ ｏ ｒ ｓ ｅ ｔ ａ ｒ
｜ ｙ ｒ ｓ ｏ ｒｓｅ ｏ ｉ； ｖｎ ｂｅｔｅ ｍｅｔｔ ｎ ｍｏｉｎｖｃｏ ｃｍｕａ ｏ Ｋｅ ｄ ］ｃ ｍｐｅｓｄｄ ｍａ ｍｏ ｉｇｏｊｃｓｇ ｎａ ｏ ； ｔ ｅｔｒ ｃｕ ｌｉｎ ｗｏ ｎ ｉ ｏ ａ ｔ
在压缩域中，研究视频对象分割的方法 不是很多 。基于 压缩域的分割方法 ，由于基于 的不是像 素而是对象宏块，因 此在很大程度 上能够减少计算 的复杂度 ，提高分割对象 的实
时速度，但 是同时也降低 了分割的精度。在 ＭＰ Ｇ压缩域可 Ｅ
பைடு நூலகம்圈 １ 系统算法框 图
３ 运 动 向量处理
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
视频序列中运动对象分割方法的设计与实现[1][repaste]2009-03-23 09:36转自：/2008/07/video-sequence.htmlThe technology of multimedia correspondence developed quickly. After the standard MPEG-1 and MPEG-2, a new standard named MPEG-4 was put forward by the MPEG committee. The key technical of the standard is the standard is the Video Object Segmented from the video frame. The results of object segmentation will affect subsequent applications directly. At the present time, there is no current method, which can segment object models from the background efficiently, though a great deal of research work has been done for video coding. Most algorithms aim at particular image sequences. The video segmentation has been widely applied in many fields, especially in low bite-rate ratio multimedia fields, so it is more and more becoming the hot point in the video research field.This paper discusses the basic theory of digital image segmentation, and then analyzes the exist method for the segmentation of moving objects in video sequences. At last an effective moving object segmentation algorithm is used. First, the moving regions are obtained by the intersections of two neighbor difference images, and then small regions that are not accurate are removed. Finally, the moving regions arefilled using the method of mathematical morphology. This arithmetic makes use of the functions of the library effectively, improves precision and efficiency of computation, and has a good property for the application to multi-platform. Experimental result shows that the algorithm can get satisfactory result.Key words: Image segmentation, Frame difference, video sequence, moving object, mathematical morphology目录摘要 IABSTRACT II第一章绪论 11.1 研究背景与意义 11.2 国内外研究状况 31.3论文内容与结构安排 4第二章典型的图像分割方法 62.1阈值法与边缘检测法 62.1.1阈值法 62.1.2边缘检测法 72.2基于形态学的静止图像分割 9第三章视频图像序列中运动对象分割算法 123.1基于运动的分割技术 123.1.1运动估计与运动补偿 123.1.2 运动区域的分类 133.1.3 典型的基于运动的分割算法 143.2时空分割算法 153.2.1时域分割 163.2.2空域分割 163.2.3时空联合分割 16第四章视频序列中运动对象分割的设计与实现 184.1分割算法 184.1.1 算法流程 184.1.2 预处理 184.1.3 获取帧差模板 194.1.4 二次帧差 194.1.5二值帧差模板的求取与形态学处理 204.2开发平台 214.2.1 VC开发环境 214.2.2 OpenCV介绍 214.2.3 VC6.0下OpenCV的安装与配置 214.4 各功能模块介绍与实现 244.4.1 系统主窗口 244.4.2 窗体的创建与销毁 244.4.3视频获取 254.4.4基于连续帧间差分法的运动对象分割的组成方案 264.4.5基于背景差分法的运动对象分割的组成方案 284.4.6 实验测试 30第五章总结 32结束语 34参考文献 35附录 36摘要随着多媒体通信技术的快速发展，MPEG组织在继MPGE-1和MPGE-2后又提出了MPGE-4的标准。
这种MPEG标准是基于对象的编解码技术。
其中视频对象(VO)的分割和提取是其关键部分。
其分割效果的好坏将直接影响后续的视频应用。
尽管人们对基于对象的视频编解码做了大量的研究工作，但到目前为止，还没有一种通用的方法能够有效地将物体模型从景物中分割出来，大部分的算法都是针对具体的应用。
视频对象分割在许多领域有着很广泛的应用，其中在低比特率下的多媒体领域应用更是与日俱增，因此逐渐成为当前视频研究领域的热点之一。
本文首先阐述了数字图像分割的基础理论，然后分析了现有的视频序列运动对象分割算法，最后采用了一种简单高效的运动对象分割算法。
首先利用差分的方法求出图像帧的运动区域，去除结果中不准确的小区域，最后利用数学形态学的方法填充该区域。
该算法充分发挥了OpenCV的函数库功能，提高了标定精度和计算效率，具有良好的跨平台移植性。
实验证明利用该方法得到了较好的分割效果。
关键词：图像分割，差分，视频序列，运动对象,数学形态学ABSTRACT第一章绪论1.1 研究背景与意义当今时代，随着信息技术和计算机互联网的飞速发展，多媒体技术日益受到人们的关注。
多媒体系统是数据、文字、声音、图形、图像和动画等各种媒体的有机组合，并与先进的计算机、通信技术相结合，使人们交流信息的方式获得了扩展，并影响着人们的交互方式、生活方式和工作方式。
其中，数字视频是尤为重要的一种多媒体数据形式，它有着广泛的应用空间，是电影、电视、卡拉OK、电子出版物等媒体信息进行数字化的重要基础。
但是数字化的视频数据量非常巨大，这无疑给存储器的存储容量、通信干线的通道传输率以及计算机的速度都增加了极大的压力。
为了解决多媒体信息在存储和传输过程的瓶颈-庞大的信息量和计算机系统的处理能力之间的矛盾，单纯用扩大存储器容量、增加传输率是不现实的，因此数字视频的压缩技术受到了前所未有的关注。
所以，数字视频的编码压缩技术成为了多媒体领域的一项重要的技术，它为人们观赏、存储、交换和操纵视频信息，提供了有利的支持。
新一代支持甚低码率传输的压缩标准MPEG-4，提出了基于内容编码的重要思想。
正是多媒体领域产生的这种基于内容的可视信息表达方法的强烈需求，使视频对象分割技术成为一个研究热点[1]。
视频对象的分割是从视频中提取出具有一定意义的实体，这种意义的实体在数字视频中称为视频对象(VO)[2]。
视频序列中运动对象的分割作为视觉分析的第一步，是应用视觉研究领域的一个重要课题，通过运动对象的分割才能检测出目标物并对其进行分析、处理等。
运动检测是检测图像内容的运动或静止情况，然后根据图像是运动的还是静止的分别作不同的处理，以达到提高图像质量或图像压缩的目的，以获得准确的信息和得到快速处理。
运动对象分割的目的是从序列图像中将变化区域从背景中分割出来。
运动对象分割的内容大致有:（1）图像序列中有无运动物体存在；（2）图像序列中运动目标的提取；（3）图像序列中运动物体平移量、旋转量以及比例尺寸变化量的检测。
运动对象分割是运动图像分析、可视监控、人机交互中的重要处理步骤，运动对象分割与检测可以得到图像中的运动信息，提取图像中的运动人物或目标，简化了后续的运动跟踪、识别、分析的难度，具有十分重要的意义。
视频分割有以下的重要的应用:◆视频压缩和解压缩◆视频对象操纵和编辑◆视频的索引和检索◆对象识别和鉴别◆视频场景理解从压缩角度看，基于对象的视频压缩标准，如MPEG-4,需要视频对象分割技术。
由于视频数据的数据量非常大，在带宽资源有限的网络上传输视频需要有效的编码技术。
基于对象的表达方式可以标出图像帧中重要的部分，使得视频可以高效编码来满足传输的需要。
特别是在个人通讯终端如移动电话、PDA、可视电话日益蓬勃发展的今天，强烈需要一种甚低码率的编码方式，来满足用户对多媒体信息的需求。
有了好的分割方法，就可以访问和操纵视频中的对象，这为人造场景对象和自然场景对象更好的融合在一起提供了有效的工具。
实现更好的视频的非线性编辑功能，如剪切视频中某些对象到其它的背景或场景中，就是一种很有用的功能。
另外，交互式电视技术的发展，出现了对可交互的媒体的需要，例如交互式的广告，指用户收看广告时可选择感兴趣的商品，然后该商品的详细信息同时呈现在用户的面前。
为了实现这一点，对视频的分割是必不可少的。
目前，市面上的视频数据库只能通过像颜色、纹理和简单的运动等简单的统计特征来检索视频数据，它们或者检索能力有限或者有应用范围限制。
如果视频可以独立的对象形式来存储，那么索引和检索视频信息就会像检索和索引文本信息、那么简单。
能从根本上管理可视信息的工具必须具有以语义方式自动描述和索引视频序列的能力。
这种工具才可以在巨大的视频数据库中查询到想要的视频片断和视频对象。
有效利用存储影片和探测监控视频中的特定活动都有广阔的应用空间，这需要引入对象的概念才能得到完满的解决。
许多机器视觉问题都要借助视频分割技术才能完成。
安装有自动驾驶系统的汽车要通过分析视频来获取周围环境的信息。
而且，它要求高层次的图像理解和解释如监控视频中的场合和特殊事件的跟踪能力。