《電子技術應用》
您所在的位置:首頁 > 模拟设计 > 设计应用 > 基于机器视觉的监控视频移动目标轮廓提取算法
基于机器视觉的监控视频移动目标轮廓提取算法
电子技术应用
马方远,任杰夫,黄静,张正初
北京国电通网络技术有限公司
摘要: 在监控视频中,移动目标易受到边缘模糊和背景噪声干扰等影响,使得目标轮廓提取结果不准确。为此,提出基于机器视觉的监控视频移动目标轮廓提取算法。采用机器视觉技术处理图像,结合图像背景模型建立像素高斯分布,并计算各个像素值与背景模型中高斯分布的匹配度,将匹配度低于阈值的像素视为前景像素,由此完成前景分割,结合链码对前景目标边缘进行编码,标识与预设阈值最接近的闭合边缘,以此作为目标轮廓粗定位结果,基于此,将目标区域的统计分布参数融合到灰度光流图像中,得到灰度差分图像,进而提取移动目标轮廓。实验结果表明,在所提方法的应用下,目标轮廓毛刺数始终控制在50以下,轮廓提取精度较高。
中圖分類號:TP202 文獻標志碼:A DOI: 10.16157/j.issn.0258-7998.245833
中文引用格式: 馬方遠,任杰夫,黃靜,等. 基于機器視覺的監控視頻移動目標輪廓提取算法[J]. 電子技術應用,2025,51(7):78-82.
英文引用格式: Ma Fangyuan,Ren Jiefu,Huang Jing,et al. A machine vision based algorithm for extracting the contour of moving targets in surveillance videos[J]. Application of Electronic Technique,2025,51(7):78-82.
A machine vision based algorithm for extracting the contour of moving targets in surveillance videos
Ma Fangyuan,Ren Jiefu,Huang Jing,Zhang Zhengchu
Beijing Guodiantong Network Technology Co.,Ltd.
Abstract: In surveillance videos, moving targets are easily affected by edge blurring and background noise interference, resulting in inaccurate contour extraction results. Therefore, a machine vision based algorithm for extracting the contour of moving targets in surveillance videos is proposed. Using machine vision technology to process images, combining with the image background model to establish pixel Gaussian distribution, and calculating the matching degree between each pixel value and the Gaussian distribution in the background model, pixels with matching degree below the threshold are regarded as foreground pixels, thus completing foreground segmentation. Combining chain code to encode the foreground target edge, identify the closed edge closest to the preset threshold, and use it as the rough positioning result of the target contour. Based on this, the statistical distribution parameters of the target area are fused into the grayscale optical flow image to obtain a grayscale differential image, and then extract the contour of the moving target. The experimental results show that under the application of the proposed method, the number of burrs on the target contour is always controlled below 50, and the contour extraction accuracy is high.
Key words : machine vision technology;surveillance video;moving targets;contour extraction;background model

引言

在處理監控視頻時,傳統方法通常依賴于固定閾值分割和背景減除算法。這些方法在簡單場景中雖然可以達到一定的效果,但在面對復雜多變的監控環境時,其性能會大大降低,導致目標輪廓提取不準確,進而影響后續的目標識別和跟蹤。因此,研究開發一種高精度的移動目標輪廓提取算法具有重要的實際價值。

周華平等人使用Gabor小波對原始圖像進行濾波[1],結合模糊局部二元模式定位目標的邊緣和輪廓,最后,基于FLBP處理的特征圖,提取目標的輪廓。該方法可以有效抑制圖像噪聲,使算法能夠在復雜環境中穩定工作,提高了算法對圖像邊緣的敏感性。然而,該算法的性能受波長、方向、帶寬等參數的影響很大,無法保證輪廓提取精度。韋德鵬等人將傳統的索貝爾算子方向模板從兩個方向擴展到八個方向[2],并從各種方向模板中提取的梯度圖像進行加權融合,以獲得多個方向的邊緣信息,結合邊緣細化技術對融合的梯度圖像進行細化,以獲得更清晰的輪廓線。該方法對圖像噪聲具有很強的抑制效果,可以在一定程度上降低噪聲對邊緣檢測的影響。但此算法在光照的劇烈變化和嚴重的目標遮擋等極端或特定場景下,檢測性能比較受限。Wang等人[3]使用U-Net作為基本網絡結構,并在U-Net的跳過連接階段引入雙注意力機制,構建目標輪廓模型,從而采用包括目標輪廓注釋的圖像數據集進行訓練,輸出目標輪廓線。該算法通過捕獲多尺度編碼器特征的通道和空間依賴性,增強了特征的表示能力,提高了模型對復雜圖像的理解。然而,引入雙注意力機制將增加模型的計算負荷,進而導致更長的訓練和推理時間。汪強等人[4]在設定初始輪廓線和改進的GVF(Gradient Vector Flow)模型基礎上,通過迭代優化過程,不斷調整輪廓線的形狀和位置,并將連續性處理和平滑性處理后的輪廓線作為感興趣區域的邊界輸出。該方法中,部分擴散和插值方法的結合加快了GVF場的求解速度,從而縮短了輪廓提取的整體時間。但在某些極端情況下,初始輪廓線的選擇可能對最終提取結果產生一定的影響,導致輪廓提取精度較低。

鑒于此,本研究重點開發了一種基于機器視覺的算法,用于提取監控視頻中運動目標的輪廓。該算法通過機器視覺和圖像處理等先進技術,對存在復雜光照變化和噪聲條件下的目標邊緣輪廓進行識別與提取,以期為安全監控和交通管理等領域提供更可靠的技術支持。


本文詳細內容請下載:

http://www.tom3567.com/resource/share/2000006599


作者信息:

馬方遠,任杰夫,黃靜,張正初

(北京國電通網絡技術有限公司,北京 100000)


Magazine.Subscription.jpg

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 久久视频在线免费观看| 欧美一区二区三区精美影视| 国产一区二区在线免费| 色婷婷成人综合| 中文字幕免费在线不卡| 一本一道久久久a久久久精品91| 国产精品一区免费观看| 国产精品视频免费在线| 久久国产精品亚洲| 国产精品美女主播| 国产欧美在线观看| 国产精品久久久av| 人人妻人人澡人人爽欧美一区| 欧洲精品在线视频| 国产日韩欧美91| 日韩精品视频在线观看视频| 视频一区二区三区免费观看| 亚洲精品免费av| 国产精品日韩专区| 免费无遮挡无码永久视频| 日韩a∨精品日韩在线观看| 久久久久久久久久久av| 久久久久久伊人| 91久久久亚洲精品| 日韩一级特黄毛片| 亚洲国产精品一区在线观看不卡| 久久99国产综合精品女同| 91精品国产自产91精品| 久久日韩精品| 日韩视频中文字幕| 国产精品aaaa| 精品久久久久久无码中文野结衣| 国产有码在线一区二区视频| 日本一区二区在线播放| 国产精品美女午夜av| 欧美激情综合色| 亚洲一区二区自拍| 午夜精品在线观看| 国产精品久久久久av| 一区二区三区在线观看www| 国产一区二区色|