64、计算机视觉中移动物体检测与背景处理技术解析

计算机视觉中移动物体检测与背景处理技术解析

1. 背景估计与初期问题

在计算机视觉领域，背景估计是一项基础且关键的工作。室外的光照变化比室内更为显著，例如在英国，一天内可能经历四季般的天气变化，光照也随之大幅波动。同时，场景中会存在阴影，像前景中就可能出现阴影，而且还有风的影响，导致灌木丛和树木会发生移动。此外，背景中并非静止，还会有其他物体移动，如后方可能有行人走动。

目前虽然已经有了一个不错的开端，但仍有很大的优化空间。例如，可以通过调整阈值、平均和中值运算符的范围来优化参数，不过这种优化效果有限。为了提高提取的人体轮廓质量，过滤噪声（即那些小的离散点）是一种有效的方法，这就需要用到形态学操作。

2. 利用形态学提高轮廓质量

在检测移动对象和图像时，噪声点是一个主要问题。由于这些噪声点是由运动产生的，若对图像进行过度平滑处理，虽然能去除噪声，但会损失图像的细节信息。因此，通常采用形态学方法来去除噪声，具体有两种方式：一是去除孤立的白色点，二是使用腐蚀和膨胀操作（即开运算和闭运算）。

• 腐蚀操作 ：能够在保留物体形状的同时去除噪声。例如，在室内图像中，腐蚀操作可以去除部分阴影；在室外图像中，能减少树木带来的影响。
• 膨胀操作 ：可以连接分离的部分，如在某些图像中，头部和肩部可能与身体分离，膨胀操作可以将它们连接起来。

然而，腐蚀和膨胀的程度需要进行平衡。如果过滤过度，会导致图像特征丢失。这里采用半径为 2 的圆形掩码进行腐蚀和膨胀操作。从处理结果来看，虽然轮廓质量有所提高，但最终图像中仍存在较