动态场景中运动目标检测与跟踪

万方数据

万方数据

Ｏ

Ｏ

１

０

Ｏ

１

０

０ＯＯＯＯ０

０１

Ｏ

Ｏ１

０

Ｏ

（７）

利用系统状态预测和观测方程及相应的初始值，并根据接收的观测值ｚ。对当前的状态ｘ。进行最优化估计，并根据状态方程预测下一时刻的状态，在接收到下一时刻的观测值ｚ。＋。时，结合上一次得到的预测值对新的状态进行新的最优估计．卡尔曼滤波跟踪方法可以对运动人体的外接矩形框的质心位置、高度和宽度进行预测．

４实验及结果分析

为了检验本文中提出的算法的有效性，基于Ｍａｔｌａｂ／Ｓｉｍｕｌｉｎｋ平台建立算法的系统模型，选取两段视频序列进行测试．第一段视频序列为静态场景中包含有独立的人体运动目标，采用本文中提出的算法进行检测和跟踪，图１为其实验结果中的几帧图像．结果显示，在静态场景中能够有效地检测跟踪运动目标．

图１静态场景中的跟踪结果

Ｆｉｇ．１

Ｒｅｓｕｌｔｏｆｔｒａｃｋｉｎｇｉｎｓｔａｔｉｃ

ｓｃｅｎｅ

图２为检测和跟踪结果中运动目标外接矩形框质心位置的变化曲线，显示了跟踪结果中的位置曲线比检测结果中的平滑一些，反映出增加了卡尔曼

滤波能够有效地抑制系统噪声的影响．第二段测试视频选择了包含有动态场景和独立运动目标的视频序列．其实验结果如图３所示．

《

懈

譬

删翠

；◆

。鬯≯■■‘

帧

图２质心位置曲线

Ｆｉｇ．２

Ｃｕｒｖｅｏｆｃｅｎｔｒｏｉｄ

ｐｏｓｉｔｉｏｎ

图３动态场景中的跟踪结果

Ｆｉｇ．３

Ｒｅｓｕｈｏｆｔｒａｃｋｉｎｇｉｎ

ｄｙｎａｍｉｃ

ｓｃｅｎｅ

５

结

论

针对动态场景，提出了基于全局运动补偿的运动目标检测算法，分别使用静态和动态场景两段视频序列进行实验测试，结果表明。该方法能够有效地对静态和动态场景中的运动目标进行检测．采用卡尔曼滤波方法对运动目标进行跟踪，实验结果表明，能够有效地抑制系统噪声的影响．针对非线性、非高斯情况，町以选择粒子滤波代替卡尔曼滤波实现

目标跟踪．

参考文献：

［１］ＣｏｌｌｉｎｓＲ，ＬｉｐｔｏｎＡ，ＫａｎａｄｅＴ，ｅｔａ１．Ａｓｙｓｔｅｍ

ｆｏｒ

ｖｉｄｅｏｓｕｒｖｅｉｌｌａｎｃｅ

ａｎｄ

ｍｏｎｉｔｏｒｉｎｇ：ＶＳＡＭｆｉｎａｌ

ｒｅｐｏｒｔ，

ＣＭＵ—ＲＩ－ＴＲ－００—１２ＥＲ］．Ｐｉｔｔｓｂｕｒｇｈ

ＰＡ：Ｃａｒｎｅｇｉｅ

Ｍｅｌ—

ｌｏｎＵｎｉｖｅｒｓｉｔｙ，２０００．

（下转第８７６页）

０

Ｔ

ＯＯ０

旷Ｏ

ｃ：

ｒ

ＯＯＯ

１

ＯＯＯＯＯ

ＯＯ

０１

Ｏ００ＯＯ

１ｍ旧∞ｐｋ匕

＝

一

Ａ

Ｈ万方数据

万方数据

动态场景中运动目标检测与跟踪

作者：施家栋， 王建中

作者单位：北京理工大学,爆炸科学与技术国家重点实验室,北京,100081

刊名：

北京理工大学学报

英文刊名：TRANSACTIONS OF BEIJING INSTITUTE OF TECHNOLOGY

年，卷(期)：2009，29(10)

被引用次数：0次

参考文献(8条)

1.Collins R,Lipton A,Kanade T,et al.A system for video surveillance and monitoring:VSAM final report,CMU-RI-TR-00-12[R].Pittsburgh PA:Carnegie Mellon University,2000.

2.Haritaoglu I,Harwood D,Davis L.W4:real-time surveillance of people and their activities[J].IEEE Trans Pattern Analysis and Machine Intelligence,2000,22(8):809-830.

3.McKenna S,Jabri S,Duric Z,et al.Tracking groups of people[J].Computer Vision and Image Understanding,2000,80(1):42-56.

4.Wren C,Azarbayejani A,Darrell T,et al.Pfinder:real-time tracking of the human body[J].IEEE Trans on Pattern Analysis and Machine Intelligence,1997,19(7):780-78

5.

5.Lipton A,Fujiyoshi H,Patil R.Moving target classification and tracking from real-time

video[C]//IEEE Workshop on Applications of Computer Vision.Princeton,USA:[s.n.],1998:8-14.

6.Anderson C,Bert P,Vander W.Change detection and tracking using pyramids transformation

techniques[C]// Proc of SPIE Conference on Intelligent Robots and Computer

Vision.Cambridge,MA,USA:[s.n.],1985,579:72-78.

7.Yu T L,Zhang Y J.Motion feature extraction for content-based video sequence retrieval[C]//Proc of SPIE.Washington,USA:[s.n.],2001:378-388.

8.Horn B K P,Schunck B G.Determining optical flow[J].Artificial Intelligence,1981,17:185-203.

相似文献(10条)

1.期刊论文彭小宁.杨明.邹北骥.陈姝.PENG Xiao-Ning.YANG Ming.ZOU Bei-Ji.CHEN Shu基于局部图金字塔的不

规则块匹配视频分割方法-计算机科学2008,35(4)

跳水、体操等视频中的运动员一般着装比较单一、肤色裸露,将这种视频帧图像用图的形式表示出来可以划分为少数的几个连通分量.根据这一特点,本文提出了一种基于局部图金字塔的不规则块匹配视频分割方法,该方法首先将图像以图的数据结构表示,采用假设检验的方法来合并相邻区域的图像块.在分割得到第一帧前景区域之后,根据帧间运动的连续性,运用不规则块匹配方法找到当前帧中的前景区域,匹配准则借鉴了聚类分析中变量相关性的相关系数方法.实验结果表明,这种方法能实时地、准确地分割出跳水、体操等视频中的运动员.

2.学位论文郑世友动态场景图像序列中运动目标检测与跟踪2005

动态场景图像序列是指具有因摄像机运动引起的背景图像运动的图像序列，检测和跟踪其中的运动目标是计算机视觉领域中基础的、富有挑战性的课题之一，在现代工业、国防和空间技术等领域有着广阔的应用前景。它不仅仅局限于某个特定问题，而是跨越计算机科学、光学、数学、认知科学以及控制科学等，对它展开研究具有重要的实践意义和理论价值。但是迄今为止这个课题仍然存在许多问题没有解决，特别是当背景较复杂时问题将变得更加困难。本论文研究的目的是试图将多分辨率分析、分层思想、知识应用、预测判断以及反馈推理等人类视觉常用的方法引入到本课题的研究中，寻求本课题一些关键问题的高效和准确的解决方法。

本论文主要对全局运动估计和补偿、图像序列稳定、遮挡问题处理、轨迹预测、运动目标区域提取、目标检测和跟踪等进行了研究，并且获得了一些有意义的成果。

本论文的主要创新性工作如下：

1．给出了信号错位相似的概念、类四叉树结构的图像划分方法以及图像相似的判断方法。通过这些处理将运动估计过程中复杂的二维图像运算转化为一维投影信号进行处理，有效的降低了计算负荷。

2．给出了一种基于信号相似的图像序列帧间全局运动估计方法。该法使用一种新的类四叉树结构划分图像，通过逐渐聚焦以分割出满足独特性要求的图像参照结构，从而将参照结构的选择和图像的粗匹配集成起来，使参照结构的选择过程不依赖于图像分割的结果，避免了额外开销。

3．给出了一种基于场景图像参考点3D位置恢复的全局运动补偿方法。该法首先引入了一种层次化的运动模型以及基于它的运动分割方法；然后利用各个层次的运动参数来估计对应这些层的投影矩阵，并且计算各运动层次的参考点在某个层的投影矩阵下的3D位置，根据同一景物在不同帧中参考点位置恢复值的变化特性来判别背景对应的运动层次和运动目标对应的运动层次，从而补偿全局运动和分割运动目标。

4．给出了一种基于仿射不变量的运动目标遮挡检测和跟踪方法。该法首先给出了仿射不变量向量的构造方法，以及基于它的遮挡判决准则；然后结合被跟踪目标的先验知识，详细讨论了一种轨迹线以及遮挡区域的预测方法；并在其基础上修正依赖于仿射不变量向量的运动目标遮挡判决准则。

5．给出一种提取图像序列中运动目标区域的新方法。该法首先对图像序列进行差分；在对差分结果图像的直方图进行分析基础上，自动选择域值对

差分图像进行二值化；其次为了克服摄像头抖动和背景抖动，采用对称差分和邻域滤波对运动目标进行定位；最后通过投影算法提取运动目标区域，并采取了杂块去除和区域合并，使所提取的运动目标区域更为准确和连续。

6．给出了一种基于小波提升框架的运动目标检测算法。首先，利用小波提升框架可以在时空域直接设计的优点，提出了类差分图像的概念，并在变换基础上结合图像序列的运动信息来估计目标可能存在的区域：其次，利用提升框架运算量小的优点和小波多分辨率特性减少匹配运算量，同时充分利用并行处理来提高计算速度；最后，给出新的模板获取和更新规则来跟踪目标在运动中的形变。

3.学位论文田宏阳动态场景的视频分割算法研究2007

视频分割技术是众多面向对象的视频应用的技术基础，这些应用领域包括面向对象的视频编解码、视频编辑和检索、计算机视觉等。分割的准确性直接影响后续任务的有效性，因此具有十分重要的意义。随着计算机处理能力的提高和多媒体技术的发展，特别是MPEG-4这一面向对象的视频编码框架提出以后，视频分割成为一个急待解决的技术问题。

从上个世纪九十年代开始，国内外的学者们做了大量的研究，也提出了许多方法，但由于视频图像的复杂性和特殊性，至今为止提出的相关理论和方法尚存在不足之处，在某些具体情况下仍不能很好的分割出视频对象，难以找到一种是通用的、可靠的自动分割算法。因此，根据具体的应用要求设计新的视频分割方法，或者对现有方法进行改进以得到满意的视频对象分割结果，是现在研究的主流方向。

根据分割过程中所利用的信息不同，视频分割算法可分为时间分割，空间分割和时空联合分割。为得到更好的分割效果，当前主流的视频对象提取算法都将时间域的连续性和空间域的相似性结合起来以获得语义意义的视频对象。在视频流的记录过程中，为了扩大视频流中的信息量摄像机不可避免产生缩放、平移和旋转等运动。由摄像机运动产生的全局运动使得视频序列具有了动态场景。较之静止背景，从动态场景中提取出运动对象，在视频跟踪、视频摘要和数字监控等领域有更加重大的实用价值。

在动态场景下，由于背景的运动，使得直接分割变得非常困难。目前传统的动态场景视频对象分割方法都是先进行全局运动补偿来去除摄像机运动的影响，然后再采用静态背景下的视频分割方法进行视频对象的提取。而精准背景补偿阶段往往是整个分割过程中计算量最大、最耗时的阶段。在考虑到具体的实际应用的情况下，本文对动态场景下的视频对象提取算法作了深入的思考，提出了一种基于时空联合的动态场景视频分割算法。在时间域

，采用一种初略的整体运动分析方法：首先利用频域相位关系求得运动向量，然后根据前景与背景运动向量的不同，采用相应的全局运动参数模型，反复处理得到当前帧的前景区域。进行形态学后处理，去除干扰块，填充内部孔洞，得到完整封闭的前景物体，即视频分割的大致轮廓。得到前景物体大致区域以后，根据不规则金字塔算法，对运动模板内的图像区域进行空间域分割，提取出最终语义视频对象。对于从具有动态场景的视频流中提取运动对象的情况，本文算法能有效地避开精准背景补偿，节省了计算量，而且提取出来的语义对象精度较高。实验表明，无论是对动态场景中刚性还是非刚性运动物体的分割，该算法都具有较好的效果。

4.期刊论文郑世友.费树岷.刘怀.龙飞.ZHENG Shi-you.FEI Shu-min.LIU Huai.LONG Fei动态场景图像序列中运

动目标检测新方法-中国图象图形学报2007,12(9)

在动态场景图像序列中检测运动目标时,如何消除因摄影机运动带来的图像帧间全局运动的影响,以便分割图像中的静止背景和运动物体,是一个必须解决的难题.针对复杂背景下动态场景图像序列的特性,给出了一种新的基于场景图像参考点3D位置恢复的图像背景判别方法和运动目标检测方法.首先,介绍了图像序列的层次化运动模型以及基于它的运动分割方法;然后,利用估计出的投影矩阵计算序列图像中各运动层的参考点3D位置,根据同一景物在不同帧中参考点3D位置恢复值的变化特性,来判别静止背景对应的运动层和运动目标对应的运动层,从而分割出图像中的静止背景和运动目标;最后,给出了动态场景图像序列中运动目标检测的详细算法.实验结果表明,新算法较好地解决了在具有多组帧间全局运动参数的动态场景序列图像中检测运动目标的问题,较大地提高了运动目标跟踪算法的有效性和鲁棒性.

5.学位论文李莉视频序列中运动目标检测技术研究2009

运动目标检测作为计算机视觉领域的一个重要分支与基础，在军事、交通、工业以及生物医学等领域具有广泛的应用前景，一直受到广泛的关注

，并成为计算机视觉领域的一个研究热点。但是由于运动目标检测问题本身的复杂性，运动目标的检测依然面临着诸多挑战。本文在现有研究成果的基础上，对静态与动态场景下的运动目标检测进行了深入研究。

对于静态场景下的运动目标检测，本文提出了一种基于码本的改进型算法，并用多组室外、室内测试视频序列进行了测试验证，测试结果表明其完全能满足应用需求。其中的主要工作及创新包括以下几个方面：

(1)基于新的颜色模型，提出了新的高亮与阴影判决准则；

(2)本算法中应用了新的码本提炼、码本更新及自学习策略；

针对动态场景中的运动目标检测，本文采用了两种算法进行运动估计与补偿。在第一种算法中，采用了基于块匹配的全局运动估计算法，该算法中采用特征块选择模板、Canny边缘检测、新的三角形菱形搜索算法及运动矢量提炼等思想，来降低算法的运算复杂度，并确保与提高运动估计的精确度。但由于该算法采用了平移模型，因此仅适用于全局运动为平移模式的视频序列。在第二种算法中，采用了基于特征匹配的全局运动估计算法。为了准确估计运动模型的参数，采用了特征点选择模板、SIFT算子、最小二乘法、特征点匹配对校正及双线性插值相结合的方式。由于该算法采用了六参数仿射模型，因此，可以适用于移动、旋转、缩放等全局运动模式，从而具有普适性。二种算法都采用了一组或多组室外与室内标准视频序列进行测试验证。实验结果表明，两种算法在其各自的应用范围内具有较好的鲁棒性和有效性。这部分内容包括的主要创新工作如下：

(1)提出了一种提炼运动矢量的阈值法；

(2)提出了一种新的三角形菱形搜索算法；

(3)提出了一种新的特征点匹配对校正策略。

6.学位论文张涛视频运动目标检测与跟踪算法的研究2009

视频运动目标的检测与跟踪技术，作为计算机视觉研究领域的核心课题之一，融

合了图像处理、模式识别、人工智能、自动控制以及计算机等若干领域的先进技术，

并在军事制导、视频监控、机器人视觉导航、人机交互、医疗诊断以及气象分析等方

面都有广泛的应用。视频运动目标检测与跟踪的研究目的是模拟人类视觉运动感知功

能，赋予机器辨识视频序列图像中运动目标的能力，为视频分析和理解提供重要的数

据依据。

本文针对视频序列图像中运动目标的检测与跟踪问题进行重点研究。对于运动目

标的检测，重点研究动态场景下如何对全局运动进行有效地估计和运动补偿以及如何

快速地提取出运动目标；对于运动目标的跟踪，重点研究影响粒子滤波跟踪算法性能

的三个主要因素，即粒子的贫化问题；可靠的观测模型；准确的运动模型。

本文具体的研究工作包括：

第一，针对动态场景中的运动目标检测问题，提出一种基于全局运动估计的视频

运动目标检测算法。动态场景通常由于摄像机本身或者运载平台的运动而造成视频图

像中的背景发生变化。针对这种动态场景中的运动目标检测，首先通过边界块的投影

匹配算法较好的估计出全局运动参数，通过计算一维特征向量降低全局运动估计的计

算量；然后利用高阶统计量对噪声不敏感的特性，来区分背景和运动目标，减少了噪

声的影响；最后，运用形态学运动滤波得到前景运动目标的掩膜图像，准确地提取到

运动目标。实验结果表明本文提出的算法能够对动态场景中的运动目标进行有效地检

测。

第二，针对影响粒子滤波跟踪算法性能的因素之一：粒子贫化问题，提出一种改

进的基于重采样方法的粒子滤波跟踪算法。粒子贫化是粒子滤波算法本身所固有的问

题，当贫化现象发生时，会严重影响采样粒子对运动目标状态的描述能力。针对这种

情况，本文提出一种多样性采样方法，在传统的粒子滤波重采样方法后加入多样性环

节，在重采样后的粒子的邻域内按照均匀分布寻找相关粒子，使得粒子不会收敛于一

点之上，增加粒子的多样性，以达到解决粒子贫化问题的目的。多组实验结果表明，

本章介绍的改进粒子滤波算法对于目标的平移、转动、光照变化以及相似物干扰等复

杂情况下的跟踪具有较强的鲁棒性，能够成功的跟踪目标。

第三，针对影响粒子滤波跟踪算法性能的因素之二：鲁棒观测模型，提出一种多

特征自适应融合的视频运动目标跟踪算法。由于单一视觉信息描述目标不充分、复杂

的动态变化环境下描述不稳定，因此本文利用颜色和纹理双重信息描述目标，提高复

杂环境下目标描述的可靠性。在对每个特征信息进行融合时，采用民主融合策略，使

得融合算法能根据当前跟踪形势自适应调整两种信息的权重，实现信息间的互补，始

终利用对当前跟踪场景稳定的信息跟踪目标，解决了复杂背景下单一信息跟踪失败的

问题。在设计粒子滤波算法中的似然函数时，对似然函数中的噪声参数进行自适应更

新，增加采用某一种特征信息计算出来的粒子权值之间的区分性，保持当前特征模型

对目标和背景的区分度，实现对视频目标稳定的跟踪，提高粒子滤波跟踪算法在复杂

背景环境中的稳健性。实验结果表明，该算法在目标任意平动、转动、部分或完全遮

挡，以及光照变化等情形下均有较好的跟踪结果。

第四，影响粒子滤波跟踪算法性能的因素之三就是要有准确的运动模型。针对运

动模型不确定情形下的运动目标跟踪问题，提出一种融合目标检测的类粒子滤波目标

跟踪算法。该算法首先检测出感兴趣的运动目标所在的大致区域，然后通过多样性方

法在检测出的目标区域周围进行采样，接下来的步骤类似于传统粒子滤波算法，计算

每个采样区域的目标特征，然后同目标模板进行比较，计算出每个目标采样区域对应

的权值，最后估计出目标所在的位置。对于目标的检测，我们采用基于小波变换的背

景差分目标检测算法，该方法首先通过像素灰度归类的方法进行背景重构，然后将小

波分解的思想引入到背景差分当中，能较好的检测出感兴趣的运动目标。实验结果表

明，该算法对于运动模型不确定情形下的视频运动目标跟踪具有较好的处理效果。

关键词：目标检测；目标跟踪；粒子滤波；粒子贫化；多特征自适应融合；动态方程；小波分解

7.期刊论文李玲芝.邹北骥.陈姝.LI Lingzhi.ZOU Beiji.CHEN Shu一种适用于动态场景的运动目标提取新算法-

计算机工程与科学2009,31(4)

在动态场景中提取运动目标是开展视频分析的关键问题,也是当前计算机视觉与图像处理技术领域中的热门课题.本文提出了一种适用于动态场景的运动目标提取新算法,算法先根据摄像机全局运动模型计算全局运动参数,再利用三帧差分法得到分割的前景.将分割为背景的像素点映射到邻近帧,求得各帧的像素点为背景时其高斯模型的均值及方差.最后利用粒子滤波预测出下一帧前景区域,计算各像素点为前景的概率,获得运动目标的视频分割结果.实验表明,本文算法有效地克服了由于全局运动模型参数估算偏差而导致的累积误差,能以更高精度实现跳水运动视频中的目标分割.

8.学位论文吴思视频运动信息分析技术研究2005

视频数据除了具有与图像一样的空间特性外(如颜色、边缘和纹理等),还具有时序特性,即视频中存在运动信息.因此,与传统的图像分析技术相比,基于视频的运动信息分析在上述领域中能够起到更加重要的作用.然而在实际应用中,因摄像机运动造成的背景运动、摄像机抖动、前景物体的不规则运动等因素都给视频中的运动信息分析带来了极大的困难.本论文针对这些问题对视频运动信息分析技术进行了较深入的研究,取得了以下成果:1.快速准确的全局运动估计全局运动估计是指对视频序列中造成背景运动的摄像机运动进行估计.通过全局运动估计,可获得帧间的像素相关性,从而将复杂运动背景下的运动分析转化为静态背景下的运动分析.全局运动估计是对具有动态背景的视频进行运动信息分析的基础.本论文提出了一种自适应外点过滤算法,并使用该算法对MPEG-4校验模型所采用的Konrad全局运动估计方法进行了改进.改进方法通过交替的全局运动参数估计和自适应的外点过滤,有效地抑制外点的影响,实现准确的全局运动估计.与Konrad方法相比,本文方法在保证估计精度的同时,全局运动估计速度提高1倍左右.2.抖动视频的高质量稳定化视频稳定化是指去除视频中因不必要的的摄像机运动而造成的视觉抖动,以提高视频的视觉质量.视频中的抖动不仅会造成视觉质量的下降,更会给后继的分析处理造成困难,因此需要对抖动视频进行稳定化处理.针对视频中的抖动,本论文提出了一种基于多轨迹映射的稳定化算法.3.动态场景视频中运动对象的自动检测与准确分割视频运动对象分割是基于对象的视频编码、基于内容的视频检索和基于视觉的人体运动分析等应用的基础.本论文从对象检测(提取出包含运动对象的前景区域)和对象分割(提取出运动对象的精确轮廓)两个层次对具有动态场景的视频中的运动对象分割进行了研究.1)为了提取出前景区域,本文通过直方图拟合获得准确的背景噪声方差,并用显著性测试技术对时序帧差进行二值化,从而有效地消除帧间的重叠背景并提取出前景区域,克服了以往只能依据经验设定背景噪声方差的缺点.2)为了提取出运动对象的精确轮廓,本文提出了一种基于动态背景构造的对象分割算法.该算法先将动态构造的背景从图像中消除,并参考时序信息准确地将运动对象从背景中分割出来,然后使用基于彩色梯度的活动轮廓算法提取出精确的运动对象轮廓.与现有算法相比,该算法有效地克服了显露背景和对象不规则运动对分割准确度的影响.4.视频运动信息分析平台的构建与应用本论文综合所提出的全局运动估计、动态背景构造、运动对象检测与分割等技术构建了一个视频运动信息分析平台,为基于视频的运动信息分析与应用开发提供了便捷、丰富的技术支持.基于此平台,开发了用于体育视频分析的运动全景图合成以及运动视频合成等技术,为体育训练提供了科学、直观的辅助分析手段.

9.学位论文李玲芝跳水运动视频分析系统关键技术研究2008

近年来，运动视频分析己成为计算机视觉领域里的一个研究热点和难点。

本文作者在充分了解相关研究工作的基础上，针对跳水运动视频的特点，研究了存在全局运动的视频运动目标分割方法，并以此为关键技术之一应用于跳水运动视频分析，其主要研究内容和成果如下：

研究了一种适用于动态场景的运动目标分割新算法。算法首先根据摄像机全局运动模型计算全局运动参数，进行相邻帧间的像素映射，获得像素点在邻近两帧中的对应位置，进而利用三帧差分法得到分割的前景；在此基础上，将分割为背景的像素点映射到邻近帧，求得各帧的像素点为背景时其高斯模型的均值及方差；最后采用粒子滤波预测出下一帧前景区域，计算各像素点为前景的概率，从而完成运动目标分割。将算法应用于跳水运动的视频目标分割结果表明，本文算法有效克服了由于全局运动模型参数估算偏差而导致的累积误差，能以更高精度实现跳水视频中的运动目标分割。

结合跳水运动目标分割、目标轨迹跟踪、人体三维运动建模、运动参数方程建立与参数计算、参数反求等关键技术，构建了跳水运动视频分析系统Diving VAS，为基于视频的跳水运动分析与应用提供了技术支持。该系统融合了计算机图形学、数学图像处理、模式识别、数学和人体运动生物学等学科技术，为跳水运动员训练提供了科学、直观的辅助分析手段。

10.期刊论文吴思.张勇东.林守勋.李豪杰.Wu Si.Zhang Yongdong.Lin ShouXun.Li Haojie动态场景视频序列中

的前景区域自动提取-计算机辅助设计与图形学学报2005,17(2)

首先提出一种具有自适应外点过滤功能的全局运动估计算法,通过交替地进行参数估计和外点过滤,能够有效地抑制噪声的影响,实现准确的背景对准;然后,通过直方图拟合获得准确的背景噪声方差值,克服了以往只能依据经验设定背景噪声方差的缺点,并使用显著性测试技术有效地对帧差图进行二值化,最终消除帧间的重叠背景,提取出前景区域.实验结果表明,该算法能够有效地实现动态场景视频序列中的背景对准,并准确地提取出前景区域.

本文链接：https://www.wendangku.net/doc/8e14260476.html,/Periodical_bjlgdxxb200910004.aspx

授权使用：赵华(wfnjdx)，授权号：9de96f97-b259-4f54-af5b-9dea00bc349f

下载时间：2010年9月7日