一种步态区域分割数据统计方法.pdf

一种步态区域分割数据统计方法，它包括以下几个步骤：新时域分割、形态学后处理、空域分割、时空融合、实验分析与比较，所述的新时域分割包括背景减除、对称帧差，将背景减除与对称帧差二值结果相加。本发明能克服现有的基于时空融合算法的弊端，不仅对于刚性运动目标的分割能达到很好的效果，而且对于人体运动这种非刚性的运动目标也能得到完整的分割结果。

1.一种步态区域分割数据统计方法，其特征在于，它包括以下几个步骤：新时域分割、形态学后处理、空域分割、时空融合、实验分析与比较；所述的新时域分割包括背景减除、对称帧差，将背景减除与对称帧差二值结果相加。

一种步态区域分割数据统计方法

技术领域：

本发明涉及一种步态图像序列算法，具体涉及一种步态区域分割数据统计方法。

背景技术：

在步态图像序列中，估计人体运动目标有许多种方法，这些方法各有其优缺点，而且适合场合也有所不同。基于时空融合算法是一种经典的提取视频序列中有语义意义对象的方法，目前已经有大量的文献对视频对象分割进行了研究。典型的视频对象分割算法有基于变化区域检测、基于非参数模型、基于参数模型、基于形态学处理等几类，但这些方法在时域分割上大都是采用相邻一帧或多帧的相关信息来检测出当前帧的运动目标，这种思想对于刚性运动目标的分割的确达到了良好的效果，而对于像人体运动这种非刚性的运动目标往往得不到完整的分割结果。

发明内容：

本发明的目的是提供一种步态区域分割数据统计方法，它能克服现有的基于时空融合算法的弊端，不仅对于刚性运动目标的分割能达到很好的效果，而且对于人体运动这种非刚性的运动目标也能得到完整的分割结果。

为了解决背景技术所存在的问题，本发明是采用以下技术方案：它包括以下几个步骤：新时域分割、形态学后处理、空域分割、时空融合、实验分析与比较。

所述的新时域分割包括背景减除、对称帧差，将背景减除与对称帧差二值结果相加。

所述的形态学后处理包括腐蚀、膨胀、开运算与闭运算、边界提取、图像连通处理。

所述的空域分割包括空域内图像的分水岭算法分割、空域内图像的小波分解、空域内小波域下的分水岭算法分割。

本发明能克服现有的基于时空融合算法的弊端，不仅对于刚性运动目标的分割能达到很好的效果，而且对于人体运动这种非刚性的运动目标也能得到完整的分割结果。

具体实施方式：

本具体实施方式采用以下技术方案：它包括以下几个步骤：新时域分割、形态学后处理、空域分割、时空融合、实验分析与比较。

所述的新时域分割包括背景减除、对称帧差，将背景减除与对称帧差二值结果相加。

所述的形态学后处理包括腐蚀、膨胀、开运算与闭运算、边界提取、图像连通处理。

所述的空域分割包括空域内图像的分水岭算法分割、空域内图像的小波分解、空域内小波域下的分水岭算法分割。

本具体实施方式能克服现有的基于时空融合算法的弊端，不仅对于刚性运动目标的分割能达到很好的效果，而且对于人体运动这种非刚性的运动目标也能得到完整的分割结果。