基于视频的运动目标分割算法研究

对图像分割算法的研究已有几十年的历史，借助各种理论至今已提出了上千种各种类型的分割算法。尽管人们在图像分割方面做了许多研究工作。但由于尚无通用分割理论，因此现已提出的分割算法大都是针对具体问题的，并没有一种适合于所有图像的通用的分割算法。但是可以看出，图像分割方法正朝着更快速、更精确的方向发展，通过各种新理论和新技术结合将不断取得突破和进展。而基于视频的运动目标分割算法技术的研究，也是为了能够就这一具体问题，找出快速、精确、适合的算法，也就是需要在众多得分割算法中选用比较适合解决这一问题的一些方法，从而实现对相对背景运动的目标的提取与分割。

研究进展：

  图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。近年来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法，视频的运动目标分割算法是在图像分割算法的基础上，就具体问题具体分析的解决某类问题得方法。该算法会采用已存在的比较成熟的分割算法。如上文提到的基于区域、边缘的分割算法等，或者是一些进年来新兴的如基于神经网络、基因编码等特定理论的分割算法。但越来越复杂的图形和计算也对算法的速度和适用性提出了越来越高的要求。

研究意义：

研发一种能够实现对运动目标分割软件系统。根据摄像头获取的视频信息，该系统能够区分背景和运动的物体。并对提取出的运动目标，该系统的研发为实现机器视觉的高级应用，如识别，提供可靠的特征。

在图像处理中的应用：视频的前后背景分割，把一个视频的前景与背景分离，这样就有利于对前景或背景的单独处理。先是背景的识别，前后背景分离后，我们可以对所得背景进行各种处理，如背景的光线加强，背景的识别。经过背景处理后，我们可以再把前景加上去，这样我们就完成的背景的单独处理了。

在智能监控中的应用：我们可以对前景进行检测与监控，特别是对运动物体的检测与监控。在现代监控技术中的智能监控系统中，智能监控系统能在实际环境中对人和车辆等运动目标进行实时的观察，并给出它们行为和动作的描述，这种机器视觉系统通常包括了运动目标的检测，运动目标跟踪，目标分类以及行为理解等方面。但背景建模与前后背景分离技术是这些检测技术的前提技术，特别是背景建模，直接影响了计算机的图象处理能力。所以计算机对视频文件的前后背景的建模与分离的能力直接影响了计算机系统的视觉能力与智能监控能力。

现实需求：

   人类已进入到信息社会，在人类感知的信息中有百分之八十是可视化图示信息。视频涉及到可视化信息，其中包括静态图像和时变图像。静态图像的特点是其信息密度随空间分布，且相对于时间为常量；而时变图像其空间密度特性是随时间变化的，所以时变图像是一种时间一空间密度模式。

随着数字图像处理技术和硬件的发展，静态图像的数字处理早在60年代就已经广泛应用于军事、商贸及其他领域，例如太空飞行、监视图像、夜视、计算技术、磁共振图像以及传真机等都是这些应用的一些实际例子。

数字视频技术的研究起于70年代，视频为我们提供了比静态图像更丰富的信息，遥过对视频信息进行分析和处理，可以获得从单一的静态图像中不可能得到的信息。视频分析和处理在商业、军事、工业等领域有着十分广泛的应用，例如：

1、商业上，视频处理广泛应用于数字电视(包括高清晰度电视)，多媒体，桌面视频图像，视频会议系统，可视电话和移动图像通信以及其他消费娱乐领域。

2、工业上，用于工业过程控制、机器人视觉、自主运载器导航等。

3、军事上，用于对空监视中的多目标跟踪等。

其他的应用领域包括重点部门的监视系统、智能化交通高速公路系统、港口交通控制、航空和飞行控制、远程多媒体教育系统等。