基于C-均值聚类的视觉监控背景图像构建算法

运动分割是视觉监控系统的关键环节,背景图像减除法是实现运动分割的常用方法,但需要静态背景的参考图像来初始化背景模型。而建立背景参考图像时,常难以控制进入监视区域的人或物体,不能净空场景,因此必须从动态场景中构建一帧反映被监视场景固定构成的背景参考图像。论文提出了一种基于C-均值聚类的视觉监控背景图像构建算法,实时构建灰度或彩色背景图像,实验验证了该算法的有效性。

自适应混合高斯背景模型的改进

对自适应混合高斯背景模型进行了改进,将背景重构和前景消融时间控制机制整合到传统自适应混合高斯背景模型中,以提高运动分割的质量。背景重构算法从含有运动物体的动态场景视频序列中重构静态背景图像,然后用重构的静态背景图像初始化自适应混合高斯背景模型;而前景消融时间控制机制则使运动物体停止时的前景消融时间独立于背景模型的学习速率,从而可以根据需要调节前景消融的持续时间。实验结果表明了算法的有效性。

河道监控视频的运动对象分割算法

针对内河航道监控视频的特点,提出一种基于背景差法的对象分割算法。首先在HSI颜色空间里利用像素的色调和亮度对其进行归类;然后利用基于块处理的方法确定背景像素,并在背景缓慢变化和急速变化时,采用定时和实时的背景重构方法进行背景更新;最后利用背景差提取运动对象。