欢迎订阅欢迎撰稿欢迎发布产品广告信息EIC󰀁Vo.l17󰀁2010󰀁No.2󰀁65󰀁是不允许操作的。用户管理功能可以让用户建立一组帐号和密码,分配给允许使用本系统的人员,并且对于不同的人员,按照需要再赋予不同的访问和使用的权限;对于外来人员没有帐号和密码,就无法进入本系统。如此一来就提高了系统的安全性,也使系统更加稳定、有效地运行。在用户登录、退出登录、修改密码和用户安全区配置四个按钮的弹起事件中分别输入相应的命令语言,就可以实现相应的作用。四个命令语言分别为:LogOn()LogOff()ChangePassWord()、EditUsers()4)运行和调试在完成了图形界面的设计,构造好实时数据库,并建立起动画连接后,在组态王工程浏览器的工具条上直接点击󰀁VIEW󰀁快捷键或点击某一画面的文件下拉菜单中的󰀁切换到VIEW󰀁即可进入该运行系统。建立与下位机的连接,与现场的I/O设备直接进行通讯。即可通过组态软件显示现场的实际工况,以及当对象结构参数变化时对对象特性的影响。3󰀁总结本实验系统是在组态王6.53版本上的基础上开发的,它利用Windows的图形功能完备、界面一致性好、易学易用的特点,具有强有力的安全管理系统、强大的通讯能力、先进的报警和事件管理、快速便捷的应用设计,该系统不仅提高了实验教学效率,改善实验效果,而且方便易行。基于金山电厂的水源监测系统设计的结果也表明,组态王软件用于自动控制系统的监测与控制设计降低了工作人员劳动强度、提高了劳动生产率,还提高了计算精度,同时功能更加完善,只需要通过画面切换就可以监视到不同的运转情况,以及根据需要查询不同时间的数据记录,甚至发生事故时可以即时将事故前的记录和事故后的记录取出分析,同时对于实现远距离及时了解现场的工作状况和从经济效益方面出发也有十分重大的意义。󰀁参考文献[1]周美兰,周封,王岳宇.PLC电气控制与组态设计[M].科学出版社,2003.[2]潘炼.PLC在配煤控制系统中的应用[M].武汉科技大学出版社,2006.[3]方来华,吴爱国,何熠.组态软件核心技术研究[J].化工自动化及仪表,2004,31(1):33-35.[4]admin.MCGS组态软件在煤矿安全监控系统集成中的应用[J].机电设备,2006,(04):16.[5]王亚民,陈青,刘畅生,等.组态软件的设计与开发[M].西安:西安电子科技大学出版社,2003.[6]欧金城,欧世乐,林德杰,等.组态软件的现状与发展[J].工业控制计算机,2002,(15)[7]周敬东,陈幼平,周祖德,等.组态软件硬件接口的设计与实现[J].机械与电子,2004(6):44-47.作者简介:赵国材(1952-),男,教授,硕士生导师,主要研究领域为自动控制技术、机器人控制;蔡志达(1979-),男,在读硕士研究生,主要研究方向为自动控制技术;张艳(1986-),女,在读硕士研究生,主要研究方向为自动控制技术。收稿日期:2009-10-28do:i10.3969/.jissn.1671-1041.2010.02.034最新视频分割算法研究高泽林,陈为龙,王正勇(四川大学电子信息学院图像信息研究所,成都610064)摘要:视频分割在视频编码、智能监控和信息检索等领域有着广泛应用,分割质量的好坏直接影响视频的后续处理,所以,基于运动目标的视频分割技术是重要而又富有挑战性的。本文在现有方法的基础上,研究了最近的国内外文献,介绍和分析了其中的算法,并对未来的发展进行了展望。关键词:运动目标;视频分割算法;帧间差分;马尔科夫随机场中图分类号:TP391󰀁󰀁文献标识码:BThelatestalgorithmresearchofvideosegmentationGAOZe-lin,CHENWe-ilong,WANGZheng-yong(ImageInformationInstitute,CollegeofElectronicsandInformationEngineering,SichuanUniversity,Chengdu610064,China)Abstrac:tVideosegmentationiswidelyusedinvideocoding,intell-igentmonitorandinformationretrieva.lThequalityofsegmentationdirectlyaffectsvideo󰀁sfollowingprocess,sovideosegmentationtechniquebasedonmovingobjectismiportantandchallenging.Onthebasisofexistingmethod,thispaperintroducedandanalyzedthealgorithmaccordingtothelatestliteraturesathomeandabroad,andlookintothefuture.Keywords:movingobjec;tvideosegmentationalgorithm;framedifferencing;MRF0󰀁引言随着信息技术的快速发展,人们对多媒体信息的关注和需求也不断增长,尤其是视觉信息。据统计,人类从外界获得的信息70%以上都是视觉信息,针对视觉信息中视频的处理技术[1]也就成了一个热门而富有挑战的研究领域。但同时,视觉信息巨大的数据量给存储、传输带来了诸多不便,为了更有效的利用视频数据,必须对视频进行压缩。MPEG组织提出了MPEG-4视频压缩标准,与之前的MPEG标准相比,最显著的特征就是基于对象的编码方式,要实现这种视频编码,首要任务就是分割出视频中的运动目标。然而,现实生活中的视频场景复杂多变,给研究者带来了不小的困难。鉴于视频分割广阔的应用前景,本文在前人[2,3]的基础上,研究了近几年的最新文献,介绍和分析了其中的算法。1󰀁视频分割算法1.1󰀁视频分割的实际应用举例视频分割是计算机视觉和图像处理领域的热点,在多媒体通信、视频检索与交互处理、智能监控系统中得到了广泛的应用。但是,视频分割往往不是独立应用的,他通常是为了方便视频的进一步分析处理而做的前期准备。以我们实验室的研究项目󰀁󰀁󰀁视频超分辨率重建为例,由于要处理存在局部运动的视频,以现有的方法进行运动配准误差较大,才考虑先仪器仪表用户󰀁经验交流󰀁66󰀁󰀁EIC󰀁Vo.l17󰀁2010󰀁No.2欢迎光临本刊网站http://www.eic.com.cn对目标进行分割,得到背景与感兴趣的运动目标,然后再进行配准与重建。他们的关系如图1所示。实验表明,分割的准确性直接影响后续处理的效果。1.2󰀁视频分割方法目前已经提出了许多种分割方法,但是仍没有通用的全自动分割算法,总的来说有两种方式:自动方式和半自动方式。自动分割的难度大,分割效果随视频的内容复杂度变化很大,主要特点是面向特定应用,预先调整好参数,可完成实时处理任务;半自动分割方式适用于复杂场景下对象的分割,优点是分割的质量较好,但不足之处是没有实时性。其主要特点是依赖于人工交互确定语义级对象并干预分割和跟踪结果,可用于任意对象的分割。对于视频分割方法的分类问题,依据不同,分出来的结果也各不相同,本文没有特意进行分类,只是就最新的算法给出一个归类。1)基于帧间差分的分割方法帧间差分是一种最常见的运动目标检测方法[4]。算法流图大致如图2所示。图1󰀁视频分割在视频超分辨率重建体系中的应用󰀁󰀁󰀁图2󰀁基于帧差法的运动目标分割流图󰀁󰀁这种方法实现简单,程序设计复杂度低,易于实时监视,在视频对象运动速度不快或背景单一的场合应用尤为广泛,如可视电话,电话会议、电视播音等。然而,在大多数视频中,帧间差分图像存在运动区域的背景遮挡/显露现象,为解决这一问题,研究者提出了相应的修正和改进算法。针对光线变化对夜间监视系统稳定性的影响,文献[5]提出了一种基于背景差法和帧间差法相结合的运动目标检测方法,该方法把背景差法的󰀁准确监测物体󰀁和帧间差分的󰀁对光线具有较强的适应性󰀁结合起来,加之多帧的联合判断,实验效果明显,很好的克服了光线对监视系统的影响。不足之处是,不能提取出对象的完整区域。文献[6]的作者对运动区域的空洞现象做出了修正,他以中间帧运动目标的外接矩形为分界,对其外部进行动态背景更新处理,对其内部进行减背景运算。该改进算法有效的解决了帧间差分算法在运动物体缺乏足够表面纹理时,易产生空洞和边缘缺失的问题。王成儒和刘豫[7]通过对差帧图像进行模板检测及形态学滤波,并结合Canny边缘检测算子获得运动目标的分割掩模,提取出运动目标,具有极强的鲁棒性。但是,文中模板检测环节还需要提高。分割要是不依赖于固定背景,且能消除差分图像中的显露背景,还能得到运动目标较为精确的形状是可遇不可求的,文献[8]就做出了一个大胆的尝试。作者对连续两帧图像进行差分,然后应用󰀁同化填充󰀁技术和基于对象的󰀁整体运动估计󰀁来对差分图象进行修正,进而得到对象模板,同时利用模板缓冲区的帧间迭代来维持模板的完整性,算法简单快速,鲁棒性好。该算法需要改进的地方是:在物体运动不明显的时候,差分图像过于零碎。2)基于贝叶斯与MRF的分割方法由于运动场估计的各种误差,使得仅由运动场提取的目标是相当粗糙的。为了得到准确的分割结果,必须结合其他的空间特征进行视频分割。利用贝叶斯最大后验概率(MAP)模型能有机的结合各种时空特征,准确得到运动目标。马尔科夫随机场(MRF)是求解MAP的强有力工具,而在全局优化上,模拟退火、迭代条件模型、最先置信度优先法都是不错的选择。该算法最大的瓶颈是计算复杂度高。文献[9]提出了一种新的基于时空马尔科夫随机场的运动目标分割技术。作者在获得共同标记场后,重新定义Gibbs能量函数,并利用迭代条件模型(ICM)实现MAP的估算问题,获得优化标记场。实验结果表明:该模型克服了传统时空马尔可夫随机场模型因运动产生的显露遮挡现象,同时减弱了运动一致性造成的空洞现象并削弱了噪声的影响。为克服传统的时空马尔可夫随机场模型中全局一致平滑约束引起的过平滑,根据间断自适应的思想,结合边缘信息,文献[10]提出了一种基于间断自适应时空马尔可夫随机场模型的运动目标分割方法。周维达[11]和李梅[12]在各自的文章中加入了新的理论和技术,与MRF共同处理运动目标的分割,针对特定的场景,取得了不错的效果。前者提出的是基于细胞神经网络CNN与MRF的结合算法,先将MRF的MAP模型映射到细胞神经网络近邻系统模型中,然后建立图像每一像素点的邻域系统模型,构造相应的能量函数,再利用模拟退火算法实现能量函数的最小值,以达到对运动目标的提取;后者先对帧差图像进行简单的前背景划分,再采用均值场理论MFT,建立MRF模型,构造系统相应的能量函数,通过最小化这个函数,得出标记场,提取运动目标。这两种结合算法的鲁棒性不强,应用范围还需扩大。以贝叶斯和MRF为基础,结合其他理论的视频分割是一个创新,后续的研究值得期待。3)其他的分割方法各研究者针对不同的视频场景,不同的研究需要,提出了多种视频分割算法,譬如模糊聚类、神经网络、形态学分水岭、小波变换、运动矢量场估计等。图像处理领域,针对非刚体目标的分析和处理,一直都是棘手的问题。在视频分割这一块,文献[13]对非刚体的运动目标分离做了一定的工作。根据人体外形的统计特征建立人体目标模板,并选取种子点。应用Mean-shift算法不断迭代逼近模态点,再对模态点聚类,从而自动确定运动区域中的人体目标数,进行合理分割。然而,让人体相互重合时,就显出了算法的局限性。侯叶、郭宝龙[14]将一种基于图切割与简化Mum-ford-Shah模型Chan-vese模型(C-V模型)相结合的方法应用于运动目标分割中。在此方法中,利用图切割技术求解能量最优化,利用C-V模型自适应处理目标几何的拓扑变化。实验结果表明,图切割能量优化加速了曲线进化进程,迭代次数大大减少,同时避免了常规水平集方法中符号函数的初始化和迭代更新。不足之处在于背景不能太复杂,运动目标速度较慢。文献[15]的作者应用运动矢量和DCT系数来分割运动目标。文中先定义了DCT的特征矢量,接着累积这些特征矢量,经过中值滤波,最后利用DCT模块之间的相关性矫正非零区域的运动矢量,得到了高质量的分割结果。至于局部运动场景的处理,作者也得到了比现有方法更好的效果。1.3󰀁算法评价标准客观的评价标准从以下三个方面考虑:1)分割质量,即准确的分割出感兴趣的运动目标;2)通用性,在自动或尽可能少的人工交互方式下,能够对一般视频进行分割;3)计算复杂度,计算量小,能在一般机器上实时、快速地分割出视频运动目标。2󰀁算法展望视频目标分割是计算机视觉和视频处理中的一个热点,近年来越来越多的研究者投身于这个领域。尽管有着非常诱人的前景,但是分割技术面临的问题也不小。一方面,现实生活中场景变化极其复杂,很难建立统一的先验模型,这决定了󰀁经验交流󰀁仪器仪表用户