視頻圖像中人體運動對象分割提取技術(shù)研究.pdf

1、計算機(jī)視覺技術(shù)得到了國內(nèi)外廣大學(xué)者們越來越多的關(guān)注。其中有關(guān)視頻圖像中運動對象的分割提取技術(shù)是最為基礎(chǔ)和重要的一個研究方面。從視頻中快速，準(zhǔn)確的分割提取出運動目標(biāo)，對后續(xù)工作的實現(xiàn)至關(guān)重要。為了達(dá)到快速，精確的分割提取出運動人體的目的，該領(lǐng)域的學(xué)者們進(jìn)行了廣泛而深入的研究，并且已經(jīng)提出了很多有關(guān)分割提取的算法。
　　在諸多基于視頻圖像中人體運動對象的分割提取方法中，混合高斯模型方法是一個經(jīng)典算法。國內(nèi)外學(xué)者對其進(jìn)行了深入而廣泛的研

2、究和改進(jìn)。該算法可以適用于較復(fù)雜的應(yīng)用場景，但存在的問題是視頻處理時間較長、分割提取后的運動和背景部分仍然存在誤分割的像素點。為此，本文提出一個兩階段的視頻運動人體分割提取方法。
　　第一階段在原有混合高斯模型算法的基礎(chǔ)上，根據(jù)像素點與同一個高斯分布匹配的穩(wěn)定性，將圖像劃分成不同區(qū)域，根據(jù)視頻圖像中的不同區(qū)域采用不同的參數(shù)更新策略。對于變化比較穩(wěn)定的區(qū)域，參數(shù)進(jìn)行周期的更新，而變化較為劇烈的區(qū)域，參數(shù)仍然實時進(jìn)行更新。這樣有效避免

3、了整個圖像中每個高斯參數(shù)都要進(jìn)行實時更新匹配的問題，從而縮短了算法的處理時間。
　　通過以上改進(jìn)后的混和高斯模型方法處理之后，仍然存在分割提取出的運動人體部分邊緣毛躁不精確，背景區(qū)域含有噪聲點的誤分割問題。第二階段采用圖切割的方法進(jìn)行分割提取。將第一階段分割提取出的運動人體部分，經(jīng)過膨脹處理，得到擴(kuò)大后的運動區(qū)域作為圖切割區(qū)域。利用像素點間的空間相關(guān)性和同一圖像中前景/背景顏色的自相近性定義圖切割能量函數(shù)。另外，考慮到運動人體會受