中文字幕高清免费日韩视频在线,乡下女人做爰A片,猫咪av成人永久网站在线观看,亚洲高清有码中文字,国产精久久一区二区三区

您所在的位置:首页 > 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。
中图分类号:TP202 文献标志码:A DOI: 10.16157/j.issn.0258-7998.245833
中文引用格式: 马方远,任杰夫,黄静,等. 基于机器视觉的监控视频移动目标轮廓提取算法[J]. 电子技术应用,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

在处理监控视频时,传统方法通常依赖于固定阈值分割和背景减除算法。这些方法在简单场景中虽然可以达到一定的效果,但在面对复杂多变的监控环境时,其性能会大大降低,导致目标轮廓提取不准确,进而影响后续的目标识别和跟踪。因此,研究开发一种高精度的移动目标轮廓提取算法具有重要的实际价值。

周华平等人使用Gabor小波对原始图像进行滤波[1],结合模糊局部二元模式定位目标的边缘和轮廓,最后,基于FLBP处理的特征图,提取目标的轮廓。该方法可以有效抑制图像噪声,使算法能够在复杂环境中稳定工作,提高了算法对图像边缘的敏感性。然而,该算法的性能受波长、方向、带宽等参数的影响很大,无法保证轮廓提取精度。韦德鹏等人将传统的索贝尔算子方向模板从两个方向扩展到八个方向[2],并从各种方向模板中提取的梯度图像进行加权融合,以获得多个方向的边缘信息,结合边缘细化技术对融合的梯度图像进行细化,以获得更清晰的轮廓线。该方法对图像噪声具有很强的抑制效果,可以在一定程度上降低噪声对边缘检测的影响。但此算法在光照的剧烈变化和严重的目标遮挡等极端或特定场景下,检测性能比较受限。Wang等人[3]使用U-Net作为基本网络结构,并在U-Net的跳过连接阶段引入双注意力机制,构建目标轮廓模型,从而采用包括目标轮廓注释的图像数据集进行训练,输出目标轮廓线。该算法通过捕获多尺度编码器特征的通道和空间依赖性,增强了特征的表示能力,提高了模型对复杂图像的理解。然而,引入双注意力机制将增加模型的计算负荷,进而导致更长的训练和推理时间。汪强等人[4]在设定初始轮廓线和改进的GVF(Gradient Vector Flow)模型基础上,通过迭代优化过程,不断调整轮廓线的形状和位置,并将连续性处理和平滑性处理后的轮廓线作为感兴趣区域的边界输出。该方法中,部分扩散和插值方法的结合加快了GVF场的求解速度,从而缩短了轮廓提取的整体时间。但在某些极端情况下,初始轮廓线的选择可能对最终提取结果产生一定的影响,导致轮廓提取精度较低。

鉴于此,本研究重点开发了一种基于机器视觉的算法,用于提取监控视频中运动目标的轮廓。该算法通过机器视觉和图像处理等先进技术,对存在复杂光照变化和噪声条件下的目标边缘轮廓进行识别与提取,以期为安全监控和交通管理等领域提供更可靠的技术支持。


本文详细内容请下载:

//www.51qz.net/resource/share/2000006599


作者信息:

马方远,任杰夫,黄静,张正初

(北京国电通网络技术有限公司,北京 100000)


Magazine.Subscription.jpg

此内容为AET网站原创,未经授权禁止转载。