基于平均背景建模的运动目标检测 -凯发ag旗舰厅登录网址下载

建立一个场景模型，包含图像灰度均值、帧间平均差值。

对于输入的后续视频，当灰度在区间内时，认为是静止区域，反之为运动目标。判断静止灰度区间为：

diff实际上可认为是为了抑制一定的噪声，当图像序列噪声很小时，效果不错，但在实际场景基本不适用，例如我的实验图像。

我使用了前100帧图像作场景建模，暂未考虑场景更新问题，因此不能适用于背景具有运动目标的情况（例如风吹窗帘、摇曳的树），光线问题。

 如下三幅图是对运动目标的检测，可以看出除了人物还有大量的噪声被检测出来。

因此，我对背景模型进行了去噪处理，采用了cvsmooth函数中的简单模糊、高斯、中值等，本以为中值效果应该最好，但由于噪声分布过于紧密，中值去噪并不好，最后采用15大小的普通加权去噪，效果如下。

使用大窗口进行模糊确实可以去除噪声，但对目标也会进行模糊，检测出现问题，此外，当噪声过大时，信号被严重干扰，甚至被淹没。说明简单的背景模型或去噪是行不通的。的背景模型或去噪是行不通的。