视频对象(VO)的提取一直是视频信号处理领域
具有挑战性的研究内容之一，在新一代面向对象视频 编码、视频检索、智能系统等中有着广泛的应用而倍 受关注。运动对象的提取就是要从视频序列中分割出 语义上完整的对象，是视频信号处理领域研究的焦点 之一。目前，大多数运动对象提取算法是基于光流场 计算和颜色空间的，即基于运动信息、颜色信息、纹 理信息等特征。其大体分为2类：1)基于帧间差分的 方法，对连续两帧或多帧进行时域相减来分离前景和 背景对象；2)基于减背景的方法，用当前帧减背景模 型而分离运动对象。
由于受光照变化、背景复杂度、噪声等多种因素
的影响，上述2种方法具有各自的特点。针对不同应 用场合，其提取效果会有所差异，执行时间也不尽相 同⋯。
本文对上述2类像素域运动对象提取的基本方法 进行了分析、比较，在此基础上提出一种改进的提取 算法。

1    像素域运动对象提取的基本方法

1．1    基于帧间差分的算法 基于帧间差分算法的基本思想是：对相邻2帧或
 
多帧逐像素计算其差分，t帧中坐标为(工，y)像素的像
素值表示为P(x，Y，f)，产1帧相应位置的像素值表示为 P(x，Y，t-1)。若差值小于阀值r，则判定该像素为背景像 素，否则视该像素为运动对象像素‘2j1。
1．1．1    dilT2
连续2帧时域相减的情况记为diff2，即：
Im，Y，沪尸(r，Y，t-1)l<rc=(x,Y)∈B，                 (1)
式(1)中口表示背景。diff2的实验结果见图1。

a)第50帧       b)第51帧       c)r=26 图1  Monitor序列第51帧diff2的实验结果
Fig．1    The experimetal result of diff2 in 51 frame
of monitor sequence

a)第51帧           b)第95帧

图3  Monitor序列diff2trans的实验结果 Fig．3  The experimental result of diff2 trans on monitor sequenece

1．1．4   diff2homo
先对执行帧差分的图像进行滤波处理(记为 diff2homo)，使帧图像经过高通滤波器，滤除高频分量 r(x，Y)，保留低频分量f(工，)I)。因为原图像可视为由低 频分量和高频分量构成的(1(x，y)=f(x，Y)•r(x，Y))， diff2homo的实验结果见图4。

行比较，连续3帧时域相减的情况记为diff3：               a)第50帧高通滤波b)51帧高通滤波      c)diff2homo

X寸。。M。o，n．i，to．!警塑50帧、51帧和52帧进行实验，            一分。：nneme。xnpitoUI]r[I∞IUqIiu⋯enc”e      UIi[fU：126111)1⋯⋯II”
 

由(a)式提取的结果由(b)式提取的结果diff3的实验结果

图2  Monitor序列第52帧用difD提取的 实验结果(T=26 l
Fig．2   The experimetai result of cliff3 in 52 frame
on monitor sequence忙=26)
显然，理论上diff3比diff2效果要好。 为了减少光照条件变化的影响，可以先进行预处
理再执行diff2操作。根据所进行的预处理方式不同， 帧间差分算法又有几种。
1．13   diff2trans
可对每帧的像素值进行线性变换再进行时域相

1．1．5   difl29rad
可以对相邻帧的梯度图进行时域相减来提取运动 对象，记为diff29rad。先对帧检测对象的边缘，然后
执行diff2相同的操作，从而提取出运动对象的轮廓。
实验中先用Roberts算子对Monitor帧进行对象边缘的 检测，再执行diff2操作，实验结果见图5。

a)第50帧边缘检测b)第51帧边缘检测   c)diff29rad

图5   Monitor序列diff29rad的实验结果 Fig．5  The experimental result of diff29rad on monitor sequence
1．2    基于减背景的算法
 
减。研究表明：有些颜色空间对光照变化不是很敏感， 这样有利于提高算法的稳定性。Elgamrnal等把{尺，G， 口}转化为(GI(R+G+B)，B／(R+G+B)，(R+G+B))再进行时 域相减，把这种情况记为diff2transt41。图3为对Monitor
基于减背景算法的基本思想是： 模型而分离运动对象，可表示为：
lP(x,y，t)-B(x，Y，f)l灯甘∽力口，
式中B(x，Y，f)为背景模型。
用当前帧减背景

(3)
 
序列第51帧和第95帧进行diff2trans的实验结果。虽 然Monitor序列背景的亮度较大，但序列光照没有发 生明显变化，所以用此方法效果也不是很好。
该类算法的关键在于背景模型的建立。由于受多
种因素的影响，背景实际上是不断变化更新的，鲁棒 的背景模型应能自适应地得到更新151。
1．2．1    backadapt                                        来进行比较，从而避免对每个分量进行处理，以减少 简单的自适应背景更新模型如式(4)，称为   计算工作量，并对序列的前10帧进行统计，得到了背
backadapt：                                                              景模型。 B0，Y，t)=aP(x，Y，t)+(1--a)B仅，Y，t-1)，       (4)(责任编辑：南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(南粤论文中心__代写代发论文_毕业论文带写_广州职称论文代发_广州论文网）