隨著現(xiàn)代社會(huì)的發(fā)展和人類(lèi)生活方式的變化,為了便于公共場(chǎng)所的管理,大部分城市地區(qū)都設(shè)置了視頻監(jiān)控系統(tǒng).視頻監(jiān)控系統(tǒng)所收集數(shù)據(jù)的處理,需要使用合適的算法來(lái)進(jìn)行計(jì)算,其處理的難點(diǎn)在于從變化的背景環(huán)境和流動(dòng)的人行之中快速進(jìn)行人臉識(shí)別和圖像分割,這是傳統(tǒng)算法難以實(shí)現(xiàn)的.該研究基于傳統(tǒng)經(jīng)典差分算法,對(duì)各個(gè)算法流程進(jìn)行優(yōu)化改進(jìn),具體包含了空背景提取、前景檢測(cè)和陰影消除等.為了驗(yàn)證該算法的有效性和實(shí)用性,將該算法進(jìn)行相應(yīng)的人臉識(shí)別檢測(cè)系統(tǒng)設(shè)計(jì),并進(jìn)行實(shí)際的使用.通過(guò)對(duì)不同場(chǎng)景的監(jiān)控檢測(cè)處理可以看出,基于對(duì)稱(chēng)差分算法的視頻監(jiān)控系統(tǒng)能夠?qū)崿F(xiàn)各項(xiàng)功能,準(zhǔn)確分割出人形輪廓,快速進(jìn)行人臉運(yùn)動(dòng)圖像的分割和檢測(cè).進(jìn)一步利用既有的錄像數(shù)據(jù)進(jìn)行系統(tǒng)測(cè)試,通過(guò)測(cè)試可以看出在3組不同的復(fù)雜環(huán)境下,該算法都能夠快速準(zhǔn)確地進(jìn)行圖像識(shí)別,具有很好的魯棒性.

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖2均值背景模型算法流程圖

Bx,yi={0i=0i-1iBx,yi+1iΙx,yiother?????????(2)根據(jù)式(2)可以看出,背景模型會(huì)在系統(tǒng)中不斷進(jìn)行迭代更新,因此可以靈活選取判斷出背景訓(xùn)練的結(jié)束條件.均值背景模型算法流程如圖2所示.采用常規(guī)的....

圖3空背景自動(dòng)提取流程圖

Τi={Τi-1+C/(1-ri)ifai>0.7Τi-1otherwise?????????(4)圖4背景差分結(jié)果分塊示意

圖4背景差分結(jié)果分塊示意

圖3空背景自動(dòng)提取流程圖在式(4)中,C為一個(gè)常數(shù),常規(guī)取值為10.通過(guò)計(jì)算后,當(dāng)前景的比例超過(guò)整個(gè)圖像的70%以上時(shí),需要適當(dāng)提高二值化門(mén)限值.

圖1背景差分的算法流程圖

背景差分算法的基本思想就是用當(dāng)前的圖像減去背景模型后得到前景的目標(biāo)區(qū)域,一般情況下由于背景是固定不變的,因此當(dāng)存在運(yùn)動(dòng)目標(biāo)時(shí),二者就會(huì)有非常顯著的差異,在這種情況下對(duì)于運(yùn)動(dòng)人臉的檢測(cè)效果較好,但是對(duì)于多個(gè)人物運(yùn)動(dòng)以及背景環(huán)境發(fā)生運(yùn)動(dòng)變化時(shí),就難以計(jì)算得到二者的差值.....

本文編號(hào)：3953359