動態(tài)前景分離方法研究.pdf

1、隨著科技的發(fā)展和各應用領域需求的日益增長,計算機視覺研究一直以來都被國內外研究者密切關注,動態(tài)前景分離作為計算機視覺的低層處理部分,其分離結果一方面直接決定著動態(tài)目標分類、跟蹤及行為理解與描述等計算機視覺的中高層處理部分的處理結果,另一方面可以積極促進三維電子商務等應用的發(fā)展。目前,其已廣泛應用在智能交通監(jiān)控、軍事應用、醫(yī)學圖像及商業(yè)安全等領域。
　　 本文對計算機視覺發(fā)展、研究現(xiàn)狀及其應用前景作了介紹,著重對當前常用的動態(tài)前景

2、分離方法進行了深入分析與研究,并對幾種常用方法的優(yōu)缺點、適用場景進行對比。針對當前背景減除法中常用的3 o規(guī)則分離方法在前景和背景比較相近時容易把前景誤判斷為背景而導致分離出的前景的視覺效果不好這一問題,應用了一種基于先驗概率模型的自適應動態(tài)前景分離算法,將該分離算法在MATLABR2010a中編碼實現(xiàn),并針對該分離算法的特點進行了應用分析。在算法編碼實現(xiàn)過程中,為了達到較好的分離效果,將視頻序列第一幀圖像進行初始化處理。同時,為更好的

3、驗證該分離算法在前景和背景比較相近時的準確性和魯棒性,將高斯模型參數方差參數加10處理。實驗結果表明,在前景和背景相近時,該分離方法要比3σ規(guī)則分離出的前景區(qū)域完整一些,視覺效果也較好一些,且隨著分離幀數的累積增加,其分離效果也越來越好。并以該技術在三維空間動態(tài)景影系統(tǒng)的應用為例,展示了動態(tài)前景分離技術在三維電子商務等應用領域帶來的更好的效果。在算法分析中,將該分離算法與邊緣檢測法、幀間差分法和3σ規(guī)則進行比較分析,指出該算法的優(yōu)勢所在