图像动态捕获算法的研究
2017-03-27管红梅郭锐强
科技资讯 2017年2期
关键词:研究
管红梅+郭锐强


摘 要:在我们采集的视频数据中,绝大多数监控场景是静止的,在有动态对象的情况下,运动图像只占所采集数据的20%左右。如果进行监控视频的实时传输,就会造成不必要的资源浪费。由于监控的背景基本不变,所以主要是提取动态对象,对动态对象进行单独编码并传输,用计算机对动态对象和背景图像进行融合,还原实时的监控场景。提出一种VOP方法应用在MPEG-4中,使其具有基于内容的功能。
关键词:图像 动态捕获算法 研究
中圖分类号:TP391 文献标识码:A 文章编号:1672-3791(2017)01(b)-0219-02
1 算法实现
广义Hausdorff距离使自动获取对象的模型能够与后续帧进行很好地匹配,然后利用一种新的刷新技术,对每帧进行刷新以适应图像形状的旋转和变化,并运用一种新的滤波技术滤除静止背景,最后提取出VOP作为MPEM的输入。
1.1 Hausdorff对象跟踪
算法的核心是Hausdorff对象跟踪,它的应用可以在视频的整个序列中建立一种对象时间的相关性。这种相关性对于以内容为功能是很重要的,虽然检测的对象在任何时间停止任意时长,这种算法也能够保证对目标的跟踪。
如果采用Hausdorff距离用来实现后续帧与对象模型的匹配,就要先对对象的边界进行图形建模。我们都知道亮度的变化对灰度图像有很大的影响,一般我们不用它来做对象或模块的匹配。在一位边界图像中对象边界不能限制模型的边界点,获取边界图像我们采用CW操作。
当我们得到了边界图像的二值模型,用后续帧与它进行匹配。……
登录APP查看全文
