广西师范大学学报（自然科学版） ›› 2014, Vol. 32 ›› Issue (4): 39-44.

• • 上一篇    下一篇

面向智能监控的运动目标轮廓可靠提取

夏海英1,2, 颜远辉1, 黄思奇1, 肖雯静1   

  1. 1. 广西师范大学电子工程学院,广西桂林541004;
    2. 广西师范大学药用资源化学与药物分子工程教育部重点实验室,广西桂林541004
  • 收稿日期:2014-09-04 发布日期:2018-09-26
  • 通讯作者: 夏海英(1983-),女,山东聊城人,广西师范大学副教授,博士。E-mail:xhyhust@gmail.com
  • 基金资助:
    国家自然科学基金资助项目(21327007);广西自动检测技术与仪器重点实验室(YQ14202);药用资源化学与药物分子工程教育部重点实验室资助课题(CMEMR2014-B15);广西高等学校科研资助项目;广西师范大学博士启动基金资助项目

A Reliable Contour Extraction Method for Motion Object in Surveillance Systems

XIA Hai-ying1,2, YAN Yuan-hui1, HUANG Si-qi1, XIAO Wen-jing1   

  1. 1. College of Electronic Engineering, Guangxi Normal University, Guilin Guangxi 541004, China: 2. State Key Laboratory Base for the Chemistry and Molecular Engineering of Medicinal Resources, Guangxi Normal University, Guilin Guangxi 541004, China
  • Received:2014-09-04 Published:2018-09-26

PDF (PC)

153

摘要： 针对目标运动检测算法得到的运动目标轮廓存在轮廓不完整、不准确等问题,本文提出一种基于Vibe算法和GVF snake的运动目标轮廓可靠提取算法。首先通过Vibe算法快速定位运动目标的感兴趣区域,并结合数学形态学、边界快速粗定位算法,获得运动目标轮廓粗定位,再利用改进主动轮廓模型能够实时可靠提取运动目标的轮廓。改进的提取算法具有良好的模型初始化条件,使得本方法不仅能够得到准确的运动目标轮廓,而且满足了实时性要求。实验结果表明,该算法能够实时可靠地提取运动目标轮廓。

关键词: 轮廓提取, Vibe算法, GVF snake算法, 轮廓粗定位

Abstract: Aiming at the problem that the moving target contour profile gotten by the motion detection algorithm is incomplete,inaccurate and so on,this paper presents a reliable extraction algorithm of moving objects based on the vibe algorithm and improved active contour model. In this article, the coarse position of moving targets is quiskly located with vible algorithm, combined with the improved active contour model, the real-time contour of moving targets can be extracted. The improved active contour model has good model initialization conditions. As to abtain the accurate contour of the moving object and meet the real-time requirement. The experimental results show that the algorithm can extract veliable and real-time contour of the moving object.

Key words: contour extraction, vibe algorithm, improved active contour model, accelerating gradient descent

中图分类号: 

  • TP39
[1] COLLINS R, COLLINS R, LIPTON A S, et al. A system for video surveillance and monitoring: VSAM final report[R]. Pittsburgh, Peen, America: Carnegie Mellon University, 2000.
[2] HOU Ming-zheng,FENG Zi-liang,LIU Yan-li,et al. Moving target tracking based on image cutting under illumination variant condition [J].Journal of Optoelectronics Laser, 2012,23(5): 986-992.
[3] CHIVERTON J, XIE X H,MIRMEHDI M.Automatic bootstrapping and tracking of object contours[J].IEE Transactions on Image Processing,2012,21(3):1231-1345.
[4] 张伯虎,杨金柱,陈建莉.智能视频监控系统分析与应用[J].安防科技,2006(11):9-11.
[5] XU Chen-yang, JERRY L P. Snakes,shapes,and gradient vector flow[J].IEEE Transactionson Image Processing, 1998,7(3):359-369.
[6] 谢立,胡玲玲,吕一品,等.面向智能视频监控系统运动目标检测的轮廓提取方法[J].东南大学学报:自然科学版,2012,42(S1):31-35.
[7] 付文秀,万旎,卢燕飞.多水平集和差分相乘的运动目标轮廓模型的研究[J].北京邮电大学学报,2013,36(3):69-73.
[8] 祝世平,高洁.基于变化检测和改进的GVF snake 模型的运动目标轮廓提取[J].光电子·激光.2013,24(9):1803-1810.
[9] 李毅,孙正兴,远博,等.一种改进的帧差和背景减相结合的运动检测方法[J].中国图像图形学报,2009,14(6):1162-1168.
[10] BARNICH O, Van DROOGENBROECK M. ViBE: a powerful random technique to estimate the background in video sequence[C]//IEEE International Conference on Acoustics, Speech and Signal Processing. New York: IEEE Press, 2009: 945-948.
[11] XU Chen-yang,JERRY L P. Snakes,shapes,and gradient vector flow[J].IEEE Transactionson Image Processing, 1998,7(3):359-369.
[12] 刘利雄,马忠梅,赵恒博,等.一种基于主动轮廓模型的心脏核磁共振图像分割方法[J].计算机学报,2012,35(1):146-153.
[13] LI Tian-qing,ZHANG Yi,LIU Zhi,et al.An overview on snakes model [J].Computer Engineering,2005,31(9):1-3.
[14] XU C Y,PRINCE J L.Snake,shapes and gradient vector flow[J].IEEE Transactions on Image Processing,1998,7(3):359-369.
[1] 张灿龙, 李燕茹, 李志欣, 王智文. 基于核相关滤波与特征融合的分块跟踪算法[J]. 广西师范大学学报（自然科学版）, 2020, 38(5): 12-23.
[2] 王健, 郑七凡, 李超, 石晶. 基于ENCODER_ATT机制的远程监督关系抽取[J]. 广西师范大学学报（自然科学版）, 2019, 37(4): 53-60.
[3] 肖逸群, 宋树祥, 夏海英. 基于多特征的快速行人检测方法及实现[J]. 广西师范大学学报（自然科学版）, 2019, 37(4): 61-67.
[4] 王勋, 李廷会, 潘骁, 田宇. 基于改进模糊C均值聚类与Otsu的图像分割方法[J]. 广西师范大学学报（自然科学版）, 2019, 37(4): 68-73.
[5] 陈凤,蒙祖强. 基于BTM和加权K-Means的微博话题发现[J]. 广西师范大学学报（自然科学版）, 2019, 37(3): 71-78.
[6] 张随远, 薛源海, 俞晓明, 刘悦, 程学旗. 多文档短摘要生成技术研究[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 60-74.
[7] 孙容海, 施林甫, 黄丽艳, 唐振军, 俞春强. 基于图像插值和参考矩阵的可逆信息隐藏算法[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 90-104.
[8] 朱勇建, 彭柯, 漆广文, 夏海英, 宋树祥. 基于机器视觉的太阳能网版缺陷检测[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 105-112.
[9] 武文雅, 陈钰枫, 徐金安, 张玉洁. 基于高层语义注意力机制的中文实体关系抽取[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 32-41.
[10] 岳天驰, 张绍武, 杨亮, 林鸿飞, 于凯. 基于两阶段注意力机制的立场检测方法[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 42-49.
[11] 余传明, 李浩男, 安璐. 基于多任务深度学习的文本情感原因分析[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 50-61.
[12] 林原, 刘海峰, 林鸿飞, 许侃. 基于损失函数融合的组排序学习方法[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 62-70.
[13] 王祺, 邱家辉, 阮彤, 高大启, 高炬. 基于循环胶囊网络的临床语义关系识别研究[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 80-88.
[14] 万福成,马宁,何向真. 融合事件特征及语义角色标注的藏文信息抽取技术[J]. 广西师范大学学报（自然科学版）, 2018, 36(2): 18-23.
[15] 夏海英,刘伟涛,朱勇建. 一种改进的快速SUSAN棋盘格角点检测算法[J]. 广西师范大学学报（自然科学版）, 2018, 36(1): 44-52.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 广西师范大学学报（自然科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发