基于动态场景的梯度特征分析

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于动态场景的梯度特征分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要在运动目标检测过程中，经常遇到运动的背景，如波动的水面，摇晃的树枝，涌动的喷泉等等。动态背景的运动给运动目标的检测，识别和跟踪带来了困难。本文，通过分析动态场景中像素点的梯度特征，根据发现的特征希望对动态场景的背景建模提供帮助。

【关键词】运动目标检测 动态场景 梯度特征

1 动态场景运动分析

在动态场景中由于背景的不断运动，使得某一固定位置像素点的特征值不断变化。这些像素值的变化有的表现出一定的规律性，有的则是随机的，这使得背景模型的建立面临着很大的困难。

2 像素点的梯度特征分析

以摇晃的树叶为例，在该视频序列中，由于风的影响背景中的树叶不断在摇晃，而且还有光照的不断变化，从视频的第200帧开始，有车辆和行人的不断经过。

为说明摇晃的树叶对像素值的影响，选取背景中的某一像素点A，求出该像素点在256帧内梯度方向时序图和直方图，如图1和图2。

从图1可以看出，由于背景中树叶摇晃的影响，同一位置的像素点在不同时刻其梯度方向是不同的。且其值的变化没有明显的规律性。

从图2可以看出，像素点的梯度方向主要分布成两部分，但每部分的分布并不集中。这对以后背景模型的建立不利。

3 基于高斯滤波的梯度特征分析

为尽量减少动态背景对像素值变化的影响，本文采用高斯滤波的方法对视频序列进行处理，用高斯滤波处理后可以消除动态背景中的噪声和微小运动，使像素点的运动呈现一定的规律性。高斯滤波后的像素点A的梯度方向时序图和直方图分别如图3和图4。

从图3可以看出，经过高斯滤波后，像素点的梯度方向基本维持不变，仅在很小的范围内波动，但从203帧开始的连续几帧内，像素点的梯度方向发生了很大的变化，这是因为在这几帧内运动目标刚好经过此像素点，使像素点原来的梯度方向发生了突变。

从图4可以看出，滤波后像素点的梯度方向分布比较集中，用个数较少的高斯分布就可以表示像素值的全部变化过程，对以后背景模型的建立有很大帮助。

4 结论

本文分析了动态背景中像素点梯度方向的变化特征，通过上述滤波前和滤波后的对比实验结果可知，利用高斯滤波可以消除视频序列中的噪声和无关运动，使像素值的变化趋于一种相对稳定的状态，从而，对其进行背景建模。

参考文献

[1]孙瑾，顾宏斌，郑吉平.一种基于梯度方向信息的运动目标检测算法[J].中国图象图形学报，2008，13（3）：571-579.

[2]赵文达，续志军，赵建等.基于梯度直方图变换增强红外图像的细节[J].光学精密工程，2014，22（7）：1962-1968.

[3]于仕琪，刘瑞祯.学习OpenCV（中文版）[M].北京：清华大学出版社，2013.

[4]龚声蓉，刘纯平，季怡.复杂场景下图像与视频分析[M].北京：人民邮电出版社，2013.

[5]杨利平，李丙海.鉴别相对梯度直方图特征提取与分类方法[J].中国科技论文，2014，9（1）：108-116.

[6]郭晓利，冯磊，朱宁等.基于颜色和梯度特征的混合高斯模型的运动目标检测算法[J].制造业自动化，2013，35（6）：46-49.

作者单位

西华大学计算机与软件工程学院 四川省成都市 610039