视频监控系统开发平台的研制 第16页
第5章游泳池监控救生系统的算法实现
裁剪图像I’f图像预处理I’I图像分块
结果汇总r l对子图像分类识别r l提取子图像特征
图5．9图像分割处理流程
Fig．5．9 Flowchart Of Image Segmentation
由于本系统研究是基于水下的视频监控，只对水下部分的图像内容感兴趣，
因此在前期处理时需要将我们不予考虑的图像上部裁剪掉以减少数据量，这样将
采集到的288×352图像裁减为192×352大小的图像，再经前～节中所描述的方
法对图像作预处理，然后将图像划分成若干小块，如图5．10所示，对每一个子图
像进行特征提取和目标识别，最后汇总分类结果。
图5．10目标图分割结果
Fig．5．10 Result Of Image Segmentation
通过实验发现，分块的大小对结果有一定影响。在理想情况下，块面积越小，
结果越精确，但计算量也越大。根据多次实验证明，对于192×352大小的图像，
分为8×16块小块较为合适，如图5．11所示。下面分别以灰度共生矩阵的对比度、
灰度均值和灰度方差三个特征单独作为判定参数做目标识别研究。
视频监控系统开发平台的研制 第16页
图5．11分为8×16块结果图
Fig．5．11 ResulI Of Segment to 8×16
以连续10幅如图5．11所示的无目标图为背景求平均值，分别计算出每一小块
的三个特征值：灰度均值、灰度方差和灰度共生矩阵的对比度。如图5．12所示，
有目标出现的图从第40幅开始，以第2行、第15块为研究对象。
第5章游泳池监控救生系统的算法实现
图5．12连续目标图分割结果
Hg．5．1 2 Result 0f Continuous Image Segmentation
分别以灰度均值、灰度方差和灰度共生矩阵的对比度单独作为特征参数，
图像序列号为横轴、归一化后的特征参数为纵轴，2文曲线如图5．13所示。
视频监控系统开发平台的研制 第16页
(a)灰度均值为特征参数
(b)灰度方差为特征参数 (c)共生矩阵对比度为特征参数
图5．13目标识别结果
Fjg．5．13 ResulI Of Image RecOgllilion
由图5．12可以看出，作为研究对象的小块(第2行、第15列)自第43幅图
之后有目标出现。根据图5．13的目标识别结果也可以清晰的看出，自第43幅图之
后的特征参数与背景特征参数表现出较大差异，差异程度三个特征参数各有不同。
下面以归一化后的灰度均值为x轴，灰度方差为v轴，共生矩阵对比度为z轴，
做出三文立体图，如图5．14所示。随机挑选有目标时的3幅图为研究对象，在图
中分别以红色、绿色和蓝色的“+”表示。
<< 上一页 [11] [12] [13] [14] [15] [16] [17] [18] 下一页
视频监控系统开发平台的研制 第16页下载如图片无法显示或论文不完整，请联系qq752018766
