3         算法研究

视觉监视的第一步工作是将前景目标所在的区域从背景中分割提取出来，即完成前景和背景的分离，水下人体的正确分割是关键的一步。这一工作一般有三种实现方法：背景消减、帧间运动分析和光流计算。后两种方法都可以用于运动摄像机的情形，对动态环境的适应能力比较强，但帧间运动分析的结果精度不高，难以获得目标所在区域的精确描述[1]；光流计算的复杂度则非常高，难以符合视觉监视系统实时处理的要求[2]。背景消减适用于摄像机静止的情形。它为静止背景建立背景模型，通过将当前图像帧和背景模型进行比较，确定出亮度变化较大的区域，即认为是前景区域[3][4]。这种方法的计算速度很快，可以获得关于运动目标区域的完整精确的描述，但对场景中光照条件、大面积运动和噪声比较敏感，在实际应用中需采用一定的算法进行背景模型的动态更新，以适应环境的变化。出于处理速度和算法性能及应用场合的考虑，本文和大部分视觉监视系统一样，选择了建立背景模型作为检测的方法。本文采用基于背景模型的统计推断检测对象的方法，由于水波，光线等较大的扰动以及水下人体的运动行为在时间和范围上的程度的影响，背景中景物并非完全静止[5]，对于水下图像的监控处理相对比较艰难，所以背景模型的建立与更新极其重要。

由于摄像头存在均值为0的高斯白噪声，所以可以用高斯分布模型表示静态背景中每一个像素的一段时间内的分布。取视频中不包含视频对象的前N帧对背景进行统计建模（针对每一像素点）。求出均值和标准差：

   改进算法消除阴影带来的影响。由于阴影在图像中可以看作是半透明的区域

经过试验提取目标后，经过简单去噪声，和腐蚀膨胀就得到很好分割结果，可以继续其他的操作。实验结果如图3所示，选取连续9帧图像作为背景模型的样本图像，由检测结果可以看出效果明显，并且由于阴影部分所带来的影响可以很好的消除。