运动目标分割

合集下载

运动背景下移动目标分割定位算法研究

ｆｒｏｍｍｅａｎｓｈｉｆｔｃｌｕｓｔｅｒｉｎｇ．Ｔｈｅｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎｒｅａｌｉｚｅｍｏｖｉｎｇｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎａｃｃｕｒａｔｅｌｙ．Ｋｅｙｗｏｒｄｓ：ｍｏｖｉｎｇｓｃｅｎｅｓ；ｓｅｇｍｅｎｔａｔｉｏｎａｎｄｌｏｃａｔｉｏｎｏｆｏｂｊｅｃｔ；ｂａｃｋｇｒｏｕｎｄｃｏｍｐｅｎｓａｔｉｏｎ；ｍｅａｎｓｈｉｔｆ
１背景运动补偿及帧间差分
背景运动补偿主要包括角点的提取，角点的匹配，外点的去除鲁棒估计算法以及仿射变换矩阵的计算。利用补偿后的参考帧与当前帧进行帧间差分得到差分图像。
１．１Ｈａｒｒｉｓ角点提取
Ｈａｒｒｉｓ角点检测 ¨ 叫相对于ＳＩＦＴ角点检测简单实时性好，满足我们的要求，比如美国中央佛罗里达大学计算机视觉实验室开发出的基于Ｍａｔｌａｂ的ＣＯＣＯＡ系统用的就是Ｈａｒｒｉｓ角点检测。Ｈａｒｒｉｓ角点是指图像灰
徐克虎（１９６３一），男（汉族），安徽蚌埠人。博士，教授，主要研究方向为系统仿真技术。Ｅ－ｍａｉｌ：ｈｎｄｘｗｔｚ＠１２６．ｃｏｍ。
ｈｔｔｐ：／／ｗｗｗｇｄｇｃａｃ．ｃｎ

目标识别与检测相关概念

⽬标识别与检测相关概念⼀. 明确⼏个概念：1. ⽬标分割（Target Segmentation）：任务是把⽬标对应部分分割出来。

像素级的前景与背景的分类问题，将背景剔除。

举例：（以对视频中的⼩明同学进⾏跟踪为例，列举处理过程）第⼀步进⾏⽬标分割，采集第⼀帧视频图像，因为⼈脸部的肤⾊偏黄，因此可以通过颜⾊特征将⼈脸与背景分割出来。

2. ⽬标检测（Target Detection）：定位⽬标，确定⽬标位置和⼤⼩。

检测⽬标的有⽆。

检测有明确⽬的性，需要检测什么就去获取样本，然后训练得到模型，最后直接去图像上进⾏匹配，其实也是识别的过程。

举例：第⼆步进⾏⽬标识别，分割出来后的图像有可能不仅仅包含⼈脸，可能还有部分环境中颜⾊也偏黄的物体，此时可以通过⼀定的形状特征将图像中所有的⼈脸准确找出来，确定其位置及范围。

3.⽬标识别（Target Recognition）：定性⽬标，确定⽬标的具体模式（类别）。

举例：第三步进⾏⽬标识别，将图像中的所有⼈脸与⼩明的⼈脸特征进⾏对⽐，找到匹配度最好的，从⽽确定哪个是⼩明。

4.⽬标跟踪（Target Tracking）：追踪⽬标运动轨迹。

举例：第四步进⾏⽬标跟踪，之后的每⼀帧就不需要像第⼀帧那样在全图中对⼩明进⾏检测，⽽是可以根据⼩明的运动轨迹建⽴运动模型，通过模型对下⼀帧⼩明的位置进⾏预测，从⽽提升跟踪的效率。

⼆. ⽬标识别（⼀）⽬标识别的任务：识别出图像中有什么物体，并报告出这个物体在图像表⽰的场景中的位置和⽅向。

对⼀个给定的图⽚进⾏⽬标识别，⾸先要判断⽬标有没有，如果⽬标没有，则检测和识别结束，如果有⽬标，就要进⼀步判断有⼏个⽬标，⽬标分别所在的位置，然后对⽬标进⾏分割，判断哪些像素点属于该⽬标。

（⼆）⽬标识别的过程：1. ⽬标识别框架⽬标识别往包含以下⼏个阶段：预处理，特征提取，特征选择，建模，匹配，定位。

⽬前物体识别⽅法可以归为两类：⼀类是基于模型的或者基于上下⽂识别的⽅法，另⼀类是⼆维物体识别或者三维物体识别⽅法。

复杂背景下的运动目标分割与阴影消除

人员的兴趣。
取方法．但是此方法仅仅用于提取静止的前景区域，
实用性差。时域差分运动检测法对于动态环境具有较强的自适应性。棒性较好，鲁能够适应多种动态环
目前已有运动目标分割方法主要有：景差分背法［、域差分运动检测法［光流（ｐｉｌ５时］９和ＯｔａｃＦｏ法［－］ｌｗ）１１。其中，景差分法利用当前图像与０１背背景图像的差分来检测运动区域，这种方法对光但
项目来源：国家自然科学基金项目（０７１７；６８２１）上海大学创新基金（ＨＵＸ１２２）ＳＣ１１１
收稿日期：０１０ — ６２１ — ５１修改日期：０１０ — ９２１－６０
５２７
电子器
件
第３４卷
ＡｂｔａｔＡｍｎｏｘｓｎｍｉｒｇｏｎｂｅｔｓｇｅｔｉｎｓｃｓｎｏｐｅｅｍｎａｏｆｏｉｇｓｒｃ：ｉｉｇｓｍｅｉｉｇｌｔｉｆｅｒｕｄｏｊｓｅｍｎａｏｕｈａｃｍｌｅｓｇｅｔｉｏｍｖｅｔｉｓｎｏｃｔｉｔｔｎｎ
关键词：计算机视觉；目标分割；高斯混合模型；小波变换；消除；阴影
中图分类号：Ｐ９．２Ｔ３１４
文献标识码：Ａ
文章编号：０５９９（０１０ — ５１０１０ — ４０２１）５０７ — ５
随着视频多媒体的不断发展。视频运动目标分割已经成为计算机视觉研究的核心课题之一＿］１，

基于层次HMM的运动目标分割

Ｋｅｒｓｔｔｔａｌｙｒｄｍｏｅ；ｉｄｎＭｒｏｄｌＨＭ；ｏｉｇｖｈｃｅｓｇｎｔｎｙｗｏｄ：ｓｉｉｌａｅｅｄｌＨｄｅａｋｖＭｏｅ（Ｍ）ｍｖｎｅｉｅｍｅｔｉａｓｃｓｌａｏ
ห้องสมุดไป่ตู้
摘
要：出对差分图像用三层统计模型表示的思想：提前景运动汽车层、背景运动汽车层和运动阴影层，并分别建立了各层的统计
关键词：层模型；马尔可夫模型；动汽车分割分隐运
模型，应用ＨＭＭ对运动图像序列进行模型参数估计，通过模型进行运动汽车分割。ＨＭＭ利用图像序列帧之间的图像像素空间相
关性和时间相关性，而完成模型参数的识别。通过ＭＡ从Ｐ算法完成模型参数具体化，不但用模型完成图像前景目标的分割，同时在分割中自然区别了背景运动目标和阴影，实现了复杂背景图像的运动汽车分割。实验结果表明方法能够有效地完成分割目的。
ｏｅｉｌＣｍｐｔｒＥｇｎｅｉｇａｄＡｐｌａｏｓ２１，６５：６ — ６．ｆｖｈｃ．ｏｕｅｎｉｅｒｎｐｉｔｎ。００４（）１２１５ｅｎｃｉ
ＡｂｔａｔＡｎｓｒｃ：ＨＭＭｓｇｎａｉｎｍｅｈｄｂｓｄｎｔｔｔａａｅｅｍｏｅｏａｍｇｉｃｕｉｇｉｔｒｓｅｉｌｓｂｏｇｔｅｍｅｔｔｔｏａｅｏｓａｉｉｌｌｙｒｄｏｓｃｄｌｆｒｎｉａｅｎｌｄｎｎｅｅｔｖｈｃｅｉｒｕｈ

手势分割方法研究综述

手势分割方法研究综述摘要：手势以其自然直观的特点成为人机交互的媒介。

手势识别系统中至关重要的一个环节是手势分割，使用何种方法能够较好的获取目标手势，成为计算机视觉中的研究重点和研究难点，本文总结了手势分割技术的主要方法，并针对所需要获得的目标图像提供合适的分割方法。

关键词：手势分割；轮廓模型；运动分析；肤色提取中图分类号：tp391.41随着计算机技术的发展，出现了物联网、信息物理系统（cps）等新概念、新技术，人机交互技术的重要性更加凸显并成为当前信息产业竞争中的一个焦点。

与传统的交互方式相比，手势以其独有的简洁、直观、人性化、信息量丰富的特点成为与计算机交互的媒介。

手势分割是整个手势识别系统中的起点和关键技术之一，其分割质量的好坏直接影响到后续操作如特征提取、目标识别的最终效果。

手势分割[1]可以理解为从包含手势的图像中提取出有意义地手势区域的过程，其主要特点是选取如颜色，灰度等与无意义区域有明显差异的特征，将手势区域与无意义区域分离，致使二者之间存在更为明显差异。

因此对于基于内容的图像检索，对象分析等提取有用信息，必须采用分割效果较好的分割方法。

作为计算机视觉中的一个重要研究内容，手势分割技术在图像处理领域有着至关重要的地位。

1 基于活动轮廓模型的分割技术活动轮廓模型的提出给传统的图像分割和边界提取技术带来了重大突破。

活动轮廓模型是指在图像域上的曲线（曲面），在图像力（内力）和外部约束力共同作用下向物体边缘靠近的模型，外部约束力是由图像数据定义的。

活动轮廓模型主要由模型的描述，模型的能量函数和模型的最小化组成。

基于活动轮廓模型的分割方法是一种半自动的基于先验知识和用户交互的图像分割。

根据使用方式、应用曲线的类型和图像能量项的选择等，将其划分为基于变分法的活动轮廓模型和几何活动轮廓模型的分割方法。

1.1 基于变分法的活动轮廓模型分割方法在1987年kass，witkin和terzopoulos提出了snake模型[2] ，即基于变分法的活动轮廓模型，又称为参数活动轮廓模型。

复杂背景下运动目标分割算法研究

ｔｅｕｔｈｗｔａｈｒｐｓｄａｇｒｔｍａｋｓｆｄｆｒｎｄａｔｇｓｔｅｏｎｚｅｍｏｉｇｔｇｔｅｅ — ｌａｒｓｌｓｏｈｔｅｐｏｏｅｌｏｉｓｔｈｃｎｍａｅｕｅｏｉｅｅｔｖｎａｅｏｒｃｇｉｅｔｖｎｅｓｆｃａｈｒａｔｅｙａｄｃｒｅｔ．ｉｌｎｏｒｃｌｖｙＫＥＹＷＯＲＤＳ：ｕｅｄａａｇｒｈＳｒｎｒｌｏｉｍ；Ｂｃｇｏｎｘｒｃｉｎ；Ｓｇｎａｉｎｏｖｎａｇｔ；Ｓａｏｌｎｔｎｔａｋｒｕｄｅｔｔａｏｅｍｅｔｔｆｍｏｉｇｔｒｅｓｈｄｗｅｉａｉ；ｏｍｉｏ
ＰＡ融合和二值形态学重构，Ｃ以提取和更新背景。将粗分割图像转换到ＨＶ域中，Ｓ采用Ｖ分量阈值法消除阴影，应用彩并
色投影法解决连通体粘连和路面反光问题。实验结果表明该方法能够结合各种算法的优势，而较准确地提取出运动车快景提取；运动目标分割；阴影消除；色投影彩
Ｐｏｃｉｌｒｈｐｌｄｔｄｃｎｅｔｈｏｎｃｉｒｅａｄｓｐｒｓｔｌｔｉｙｔａ．ｘｅｉｅ— ｒｅｔｎａｏｉｍｉａｐｅｉｏｎｃｔｅｎｅｔｇｔｇｔｎｐｅｓｈｇｓｎｎｂｅｒｄＥｐｒｎｊｏｇｔｓｉｏｓｃｎａｕｅｉｅｇｈｏｍ
第２卷第１期５１
文章编号：０６— ３８２０）１２２— ３１０９４（０８１ —０８０

基于特征点和区域生长的目标图像分割方法

较高的鲁棒性。
关键词：成像探测；目标分割；光流法；区域生长；鲁棒性
中图０６４Ｔ３１Ａ１０—１４２１）１０００
ＴａｇｔＩａｅＳｇｅｔｔｏｅｈｄＢａｅｎＦｅｔｒｒｅｍｇｅｍｎａｉｎＭｔｏｓｄｏａｕｅＳｌｃｉｎａｄＲｅｉｎＧｒｗｉｅｅｔｏｎｇｏｏｎｇＸＵｉｇ，ＪｎＺＨＡＮＧ，ＡＮＧａｆｎＨｅＷＸｉｏｅｇ
ｓｇｅｔｔｏ．ｍｕａｉｎｒｓｌｓｓｏｄｔａｈｔｏｏｖｎａｇｔｄｔｃｉｎｕｄｒｃｍｐｅａｋｒｕｄｅｍｎａｉｎＳｉｌｔｅｕｔｈｗｅｈｔｔｅｍｅｈｄｆｒｍｏｉｇｔｒｅｅｅｔｏｎｅｏｏｌｘｂｃｇｏｎ
许敬，张合，晓锋王
（南京理工大学智能弹药技术国防重点学科实验室。江苏南京２０９）１０４
摘要：成像探测的运动目标图像中背景复杂并且含有大量的噪声，针对传统的目标的检测和分割方法精确
定位困难、且不能完整分割等问题，出基于特征点和区域生长的运动目标图像分割方法。通过相邻帧图像的提绝对值差分图像得到大概的运动区域，用基于Ｉ利Ｋ光流的角点检测方法提取差值图像中的特征点，采用非最大值抑制对特征点的优劣性进行评估，对好的特征点进行区域生长，最终达到运动目标的分割目的。仿真结果表明：该方法能够对复杂图像序列中的运动目标进行精确定位，得到较好的目标分割结果，且计算量小，并具有

基于背景差分法的运动目标分割

预处理，消除不必要的噪声点；然后运用改进的Ｓｕｒｅｎｄｒａ迭代
本文对图像进行中值滤波效果如图１所示。
算法［．］快速提取并更新背景图像；对当前帧和背景图像进行差分，对差分后的二值图像进行膨胀、腐蚀、填充等数学形态学操
苟娟迎（西安航天发动机厂，陕西西安７１０１００）
摘要
运动目标分割在基于视频的运动目标检测与识别研究中发挥着重要作用。以图像差分法为基础，实现了一种复杂背景下快速分割运动目标的方法。通过中值滤波对原始图像进行预处理；运用改进的Ｓｕｒｅｎｄｒａ算法快速提取并更新背景图
像；利用数学形态学运算对差分二值图像进行处理，进行运动区域的初检测；将ＲＧＢ图像转换到ＨＳｌ域中进行适当的
阴影去除，完成运动目标分割。实验结果表明该方法能够较为有效地分割出感兴趣区域（ＲＯＩ）内的运动目标。
基于背景差分法的运动目标分割
基于背景差分法的运动目标分割
ＭｏｖｉｎｇＯｂｊｅｃｔＳｅｇｍｅｎｔａｔｉｏｎＢａｓｅｄｏｎＢａｃｋｇｒｏｕｎｄＳｕｂｔｒａｃｔｉｏｎ

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)。

矿产资源开发利用方案编写内容要求及审查大纲
矿产资源开发利用方案编写内容要求及《矿产资源开发利用方案》审查大纲一、概述
㈠矿区位置、隶属关系和企业性质。

如为改扩建矿山, 应说明矿山现状、
特点及存在的主要问题。

㈡编制依据
(1简述项目前期工作进展情况及与有关方面对项目的意向性协议情况。

(2 列出开发利用方案编制所依据的主要基础性资料的名称。

如经储量管理部门认定的矿区地质勘探报告、选矿试验报告、加工利用试验报告、工程地质初评资料、矿区水文资料和供水资料等。

对改、扩建矿山应有生产实际资料, 如矿山总平面现状图、矿床开拓系统图、采场现状图和主要采选设备清单等。

二、矿产品需求现状和预测
㈠该矿产在国内需求情况和市场供应情况
1、矿产品现状及加工利用趋向。

2、国内近、远期的需求量及主要销向预测。

㈡产品价格分析
1、国内矿产品价格现状。

2、矿产品价格稳定性及变化趋势。

三、矿产资源概况
㈠矿区总体概况
1、矿区总体规划情况。

2、矿区矿产资源概况。

3、该设计与矿区总体开发的关系。

㈡该设计项目的资源概况
1、矿床地质及构造特征。

2、矿床开采技术条件及水文地质条件。