基于GPU的视频序列中运动目标轮廓提取

合集下载

面向智能视频监控系统运动目标检测的轮廓提取方法

（浙江大学信息学部，杭州３０２）１０７（国科学院自动化研究所，京１０９）中北０１０（中国科学院云计算产业技术创新与育成中心自动化研究所东莞研究院，东莞５３０）。２８８
摘要：针对传统的混合高斯模型方法易受干扰、运算量大的缺点，出了一种应用于智能视频监提控系统运动目标检测的轮廓提取方法．首先介绍了常用的运动目标检测方法；接着描述了传统的混合高斯模型方法，析了该方法在目标检测方面存在的缺点，出了一种新的轮廓提取方法．分提
Ａｂｔａｔｓｒｃ：Ａｉｉｇａｈｒｂｅｈｔｔｒｄｔｏａｕｓｍｉｔｒｏｌｍｅｏａｈｈ￣ｃｍ — ｍｎｔｔｅｐｏｌｍｔａｈｅｔａｉｉｎｌＧａｓｘｕｅｍｄｅｔｄｈｓｔｅｓｏｏｈｉｓｏｆｂｅｎｎｅｆｒｄｅｓｌｎｅｉｇａｌｒｅａｏｎｆｃｌｕａｉｎｓｈｓｐａｅｒｓｎｓａｃｎｎｇｉｇｉｔｒｅｅａｉｙａｄｎｅｄｎａｇｍｕｔｏａｃｌｔｏ，ｔｉｐｒｐｅｅｔｏ —
ｔｒｅｔａｔｏｔｏｅｎｉｔｌｇｎｉｅｕｖｉｌｎｅｓｔｍｏｖｎｂｉｃｔｃｉｎ．ＦｉｓｏｕｘｒｃｉｎｍｅｈｄｕｓｄｉｎｅｌｅｔｖｄｏｓｒｅｌｃｙｓｅｆｒｍｏｉｇＯｅｔｄｅｅｔｏｉａｒｔｈｓｐｐｅｎｒｄｃｓｔｏｔｉａｒｉｔｏｕｅｅｃｍｍｏｌｅｔｏｆｍｏｉｇｔｒｅｅｅｔｏｈｎｙｕｓｄｍｅｄｏｖｎａｇｔｄｔｃｉｎ；ｔｅｔｄｓｒｂｓｔｅｔａｈｈｎｉｅｃｅｒ — ｉｈ

目标轮廓提取方法研究

参考内容
内容摘要
轮廓提取是图像处理中的一个重要任务，它可以用于目标检测、识别和分割等任务。轮廓提取的基本原理是通过对图像的边缘进行检测，提取出目标的轮廓。在本次演示中，我们将介绍一些图像轮廓提取的基本方法和算法。
1、基于边缘检测的方法
ቤተ መጻሕፍቲ ባይዱ
1、基于边缘检测的方法
基于边缘检测的方法是图像处理中最常用的方法之一。它的基本思想是通过检测图像中的边缘来提取目标的轮廓。边缘是图像中像素值发生剧烈变化的位置，这些位置可以被检测出来并用于目标的分割和识别。
一、区域活动轮廓模型
一、区域活动轮廓模型
区域活动轮廓模型是一种有效的运动目标跟踪方法，它结合了区域和轮廓两种信息，能够更好地处理目标形变、遮挡等问题。该模型首先在视频序列中选取一个初始感兴趣区域，然后通过迭代的方式不断更新区域和轮廓信息，以实现运动目标的精确跟踪。
二、基于区域活动轮廓的运动目标跟踪方法
实验结果与分析
为了验证本次演示提出的方法，我们进行了大量实验，并采用准确率、召回率和F1值等评估指标对其性能进行评估。实验结果表明，该方法在目标轮廓提取方面具有较好的性能，相较于传统方法如Sobel、Canny等算子，我们的方法在各项评估指标上均取得了显著的提升。此外，我们还与其他基于深度学习的方法进行了比较，结果显示我们的方法在准确率、召回率和F1值等方面均具有较好的表现。
相关研究
相关研究
目标轮廓提取的相关研究主要涉及图像边缘检测、图像分割、形态学处理等领域。传统的目标轮廓提取方法有基于像素梯度、基于滤波、基于统计等几种。其中，基于像素梯度的方法利用图像中像素强度的变化来检测边缘，如Sobel、 Canny等算子；基于滤波的方法通过滤波器对图像进行处理，将边缘响应较大的区域作为目标轮廓；

视频序列中的运动目标识别与轨迹提取方法研究

视频序列中的运动目标识别与轨迹提取方法研究近年来，随着摄像技术的不断发展和智能化的需求，视频序列中的运动目标识别与轨迹提取方法受到广泛关注。

这项研究意义重大，可以应用于视频监控、交通管理、智能驾驶等领域。

视频序列中的运动目标识别是指通过对连续的视频帧进行处理，从中提取出运动的目标物体。

目标物体可以是人、车辆、动物等，具体的识别方式包括颜色、纹理和形状等特征。

常见的识别方法有背景差分、光流估计和深度学习等。

背景差分是一种常见的运动目标检测方法。

该方法假设背景是静止的，并通过对当前帧与背景模型进行差分，来判断目标物体的出现。

这种方法简单高效，广泛应用于视频监控领域。

然而，当场景中存在光照变化或背景不稳定时，该方法的准确性会下降。

光流估计是通过观察相邻帧之间像素的位移来确定目标是否在移动。

这种方法基于运动物体与背景之间的像素强度变化，并使用特定的算法进行运算。

光流估计方法准确度较高，但对算法的复杂度要求较高，计算开销较大。

近年来，深度学习在运动目标识别领域取得了巨大突破。

通过深度卷积神经网络（CNN）等技术，可以自动学习目标物体的特征，并进行分类和识别。

深度学习方法具有较高的准确性和鲁棒性，但需要大规模的数据集和强大的计算资源来进行训练和推断。

除了运动目标识别，轨迹提取也是视频序列分析中的重要环节。

轨迹提取是指对运动目标在视频中的运动轨迹进行跟踪和提取。

常见的轨迹提取方法有基于贪婪算法和基于检测跟踪的方法。

基于贪婪算法的轨迹提取方法通过匹配相邻帧中的目标物体位置，找到物体的运动轨迹。

该方法简单直观，但在目标物体存在遮挡或跳跃等情况时，容易产生错误的匹配。

基于检测跟踪的轨迹提取方法首先通过目标检测算法识别出目标物体，然后使用跟踪算法追踪物体的运动。

该方法对于目标物体的遮挡和运动幅度变化具有较好的鲁棒性，但对于复杂场景中的多目标跟踪仍存在一定挑战。

综上所述，视频序列中的运动目标识别与轨迹提取方法是一个重要且前沿的研究领域。

目标轮廓提取方法

目标轮廓提取方法全文共四篇示例，供读者参考第一篇示例：目标轮廓提取方法是计算机视觉和图像处理领域的一项重要技术，它可以帮助人们识别目标物体并分析其形状特征。

在现代社会中，目标轮廓提取方法被广泛应用于人脸识别、车牌识别、医学图像分析等领域，为人们的生活带来了极大的便利。

目标轮廓提取方法的发展经历了多个阶段，从最初的边缘检测到现在的深度学习技术，不断地在精度和效率上进行了提升。

目前常见的目标轮廓提取方法包括边缘检测、霍夫变换、区域生长、边界跟踪等，它们各有特点，适用于不同的场景和需求。

边缘检测是目标轮廓提取方法中最基本的一种，它通过检测图像中像素值的变化来找到目标物体的边界。

常见的边缘检测算法包括Sobel算子、Canny算子、Roberts算子等，它们通过对图像进行梯度计算和阈值处理来检测目标的边缘。

边缘检测方法简单直观，计算速度快，但在噪声干扰大或目标边界复杂的情况下容易产生误检测。

霍夫变换是一种经典的直线和圆检测算法，它可以用来提取出图像中的直线和圆形目标的边缘。

霍夫变换通过将像素点在参数空间中进行投影，来寻找空间中的直线和圆。

与边缘检测相比，霍夫变换方法具有更好的稳定性和鲁棒性，能够有效地识别复杂形状的目标。

区域生长是一种基于像素相似性的目标轮廓提取算法，它通过选取种子像素点，逐步生长形成目标的轮廓。

区域生长方法适用于目标区域较大的情况下，对于像素值相似且连续的区域可以形成完整的目标轮廓。

区域生长方法可以减少噪声对目标轮廓的影响，提高了目标轮廓提取的准确性。

边界跟踪是一种基于像素连接的目标轮廓提取方法，它通过寻找像素之间的连通性来构建目标的轮廓。

常见的边界跟踪算法包括连通区域标记、链码法、最小外接矩形等，它们可以有效地提取出复杂形状的目标轮廓。

边界跟踪方法适用于目标形状规则且边缘清晰的情况下，对于一些非闭合目标轮廓的提取也有一定的效果。

除了传统的目标轮廓提取方法，近年来深度学习技术的发展也为目标轮廓提取带来了新的突破。

基于视频序列中的运动目标检测技术

基于视频序列中的运动目标检测技术
丁金铸
1, 2
, 谈国新
1
( 1. 华中师范大学教育部教育信息技术工程研究中心 ,湖北武汉 430079; 2. 华中师范大学计算机科学与技术系 ,湖北武汉 430079)
摘要 : 视频图像中的运动目标检测是当前进行图像分析和理解以及计算机视觉领域的重要研究内容 ,为了能够在数字视频系统中实时的检测出运动目标 , 提出了一种基于序列图像的运动目标实时检测和定位的适用方法 . 采用连续帧间差分法和最大类间方差阈值分割法提取运动区域 ,通过数学形态滤波的开运算和闭运算消除噪声 ,改善运动区域提取效果 ,然后求出目标重心 . 结果表明 ,该方法能够快速有效地检测出视频图像中的运动目标 , 计算出目标在图像中的位置 . 关键词 : 目标检测 ;帧间差分 ;图像分割 ;形态学滤波中图分类号 : TP31714 文献标识码 : A 文章编号 : 1671 - 119X (2007) 03 - 0050 - 04 法
收稿日期 : 2007 - 0 3 - 0 6 基金项目 : 教育部高等学校创新工程重大项目培养资助项目 ( 70 50 38 ) 作者简介 : 丁金铸 ( 1981 - ) ,男 ,硕士研究生 ,研究方向 : 多媒体技术、图像处理和计算机视觉 .
第 3 期丁金铸等 : 基于视频序列中的运动目标检测技术
[2][3] [1]
立噪声但对动态环境有较好的适应性 , 针对摄像头固定 , 只对视场内的目标进行检测这种情况 ,本文提出了一个完整的实时运动检测方案 , 对视频图像序列采用连续帧间差分和二值化图像分割进行运动目标提取 , 并对检测结果辅以形态学滤波 [ 6 ]的开闭运算进行处理 , 改善了运动区域提取效果 , 提高了检测运动物体时的准确度和效果 .

运动动作图像正确姿态轮廓提取方法对比研究

运动动作图像正确姿态轮廓提取方法对比研究作者：邹文君肖永君来源：《现代电子技术》2018年第15期摘要：由于目标轮廓提取方法一直存在正确姿态轮廓提取不准确的问题，提出两种新的运动动作图像正确姿态轮廓提取对比方法。

通过相邻帧差法对运动动作图像正确姿态区域进行提取，在此基础上介绍了snake模型方法，其将运动动作图像正确姿态轮廓的提取问题转换成求解能量函数的极小化问题。

分析了水平集方法，将演化曲线隐性地描述成运动动作图像上的三维连续函数曲面的零水平集，当水平集函数为0时，得到的结果即为轮廓提取结果。

通过实验对比所提两种方法的有效性，发现snake模型方法的轮廓提取效果、完成性和信息丢失程度虽然优于其他方法，但劣于水平集方法。

关键词：运动动作提取；动作图像；能量函数；水平集；正确姿态；轮廓提取中图分类号： TN911.73⁃34； TP391.41 文献标识码： A 文章编号： 1004⁃373X（2018）15⁃0065⁃04Comparative study on extraction methods of correct pose contour in moving action imageZOU Wenjun， XIAO Yongjun（Institute of Technology， East China Jiaotong University， Nanchang 330100， China）Abstract： The traditional method of target contour extraction has the problem of incorrect pose contour extraction. Two new comparative methods of correct posture contour extraction for moving action image are proposed， in which the adjacent frame difference method is used to extract the correct pose region of the moving action image. The snake model method is introduced to convert the correct pose contour extraction from moving action image into the solving of energy function minimization. The level set method is analyzed， in which the evolution curve is implicitly described as the zero level set of the 3D continuous function surface on the moving action image. When the level set function is zero， the obtained result is deemed as the contour extraction result. By comparing the effectiveness of the two methods， it is found that the snake model method is better than other methods in the aspects of contour extraction effect， completeness and information loss rate， but is inferior to the level set method.Keywords： moving action extraction； motion image； energy function； level set； correct posture； contour extraction目標轮廓提取就是在一段视频序列的每帧图像中精确找到所感兴趣的运动目标的轮廓[1⁃2]。

一种精确的运动目标外轮廓提取方法

一种精确的运动目标外轮廓提取方法陈泓佑;李郁峰【期刊名称】《计算机与现代化》【年(卷),期】2016(000)003【摘要】视频监控系统中的运动目标外轮廓是对运动目标语义分析的重要信息源.针对经过简单的形态学处理运动目标区域而提取的外轮廓方法中的一些缺陷,提出一种更精确的方法.首先通过前景检测得到粗略确定的运动目标区域,然后通过分水岭方法进行外轮廓区域粗略定位,最后通过阴影去除及目标重构进行外轮廓区域精确定位,从而提取精确的外轮廓.利用外轮廓的准确率、查全率、综合性能指标,实验结果表明,能够得到精确的外轮廓.%The external contours of moving objects are important information sources for semantic analysis of moving objects in video surveillance system.For some defects of external contours through simple morphological processing of moving objects area, a more accurate method is proposed.Firstly, a roughly determined moving objects area is got through foreground detection.Secondly, the external contours area is roughly localized through the watershed method.Finally, the external contours area is accurately localized to extract accurate external contours through shadow removal and object reconstruction.By using the accuracy rate, recall rate and comprehensive performance norm, the experimental results show that it could get more accurate external contours.【总页数】4页(P74-77)【作者】陈泓佑;李郁峰【作者单位】西南科技大学计算机科学与技术学院,四川绵阳 621010;西南科技大学计算机科学与技术学院,四川绵阳 621010【正文语种】中文【中图分类】TP391【相关文献】1.一种视频运动目标精确分割新算法 [J], 江涛;吕家恪2.一种基于动态背景的运动目标提取方法 [J], 丁茂实;徐贵力;谢非;贾爱芹3.一种改进的运动目标精确检测算法 [J], 郭乐寿;黄廷磊4.一种基于改进单高斯模型的运动目标提取方法 [J], 喻旭勇;王直杰5.一种运动目标提取方法及其应用 [J], 李春明;李玉山;杨莉;庄庆德因版权原因，仅展示原文概要，查看原文内容请购买。

视频图像序列运动目标检测及轮廓提取

视频图像序列运动目标检测及轮廓提取
王科俊;王笑雨
【期刊名称】《微计算机信息》
【年(卷),期】2008(24)30
【摘要】考虑到人类视觉对图像轮廓特征的敏感性,将目标检测与轮廓提取结合起来,实现了目标轮廓自动提取的方法.首先采用了背景差法跟踪视频图像序列中的运动目标,并采用了自适应背景更新的方法更新背景图像,结合活动轮廓模型法GVF Snake进行目标轮廓的提取,从而得到具有精确边界的运动目标.实验结果表明这种方法运算速度快、能够快速地收敛到目标轮廓、准确地跟踪目标,实现实时自动轮廓跟踪.
【总页数】3页(P302-303,314)
【作者】王科俊;王笑雨
【作者单位】150001,哈尔滨,哈尔滨工程大学自动化学院;150001,哈尔滨,哈尔滨工程大学自动化学院
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于OpenCV的视频图像序列的运动目标检测 [J], 刘维杰;梁志剑;马铁华
2.基于数学形态学的视频图像序列中的运动目标检测 [J], 倪崇嘉;刘文奇;张爱英
3.视频图像序列中的运动目标检测技术 [J], 杨学超;刘文萍
4.面向智能视频监控系统运动目标检测的轮廓提取方法 [J], 谢立;胡玲玲;吕一品;熊刚;陈耀武
5.面向智能视频监控系统运动目标检测的轮廓提取方法 [J], 谢立;胡玲玲;吕一品;熊刚;陈耀武
因版权原因，仅展示原文概要，查看原文内容请购买。

视频中运动目标结构特征提取的子区域分割方法

视频中运动目标结构特征提取的子区域分割方法周大伟;刘雨【摘要】视频中为了研究运动目标的结构特征,利用最远点、信息瓶颈、均值漂移等方法时运动目标进行图像分割实验,获得运动目标的结构子区域.通过对比实验数据,用均值漂移分割方法获得的运动目标子区域较合理,为下一步研究视频中运动目标结构特征提供了合适的运动目标结构子区域,对深入研究运动目标结构特征,利用结构特征进行目标跟踪与识别具有重要意义.%In order to study the structural features of the moving targets in video, the image segmentation experiment of moving objects was conducted with the methods such as farthest point, information bottleneck and mean shift, and the structurial sub-region of the moving targets was obtained. It is found by comparison of the experimental results that the structure of moving object sub-region obtained by the mean shift segmentation is reasonable. Therefore, a suitable structure sub-region of moving objects is provided for the further study on structural features of the moving objects in video. It is important for indepth study on structural features of moving targets, and for target tracking and recognition by using the structural features.【期刊名称】《现代电子技术》【年(卷),期】2011(034)008【总页数】4页(P98-100,104)【关键词】特征提取;图像分割;信息瓶颈;均值漂移;目标识别【作者】周大伟;刘雨【作者单位】国防科学技术大学,电子科学与工程学院,湖南,长沙,410073;国防科学技术大学,电子科学与工程学院,湖南,长沙,410073【正文语种】中文【中图分类】TN919-340 引言视频中运动目标的结构特征，是指运动目标分解(合并)为若干子区域，例如：人体分为头、躯干和四肢；车分为车身、车轮和车窗等。

联合背景差分与区域光流的运动目标轮廓提取

联合背景差分与区域光流的运动目标轮廓提取摘要：针对光流法计算量大并且无法精确提取运动目标轮廓的问题，提出一个联合背景差分与区域光流的运动目标轮廓提取算法，首先对运动目标区域进行标定，并通过求解区域光流得到光流图像，然后结合基于统计平均的背景差分法获取运动目标二值图像，从而提取出运动目标轮廓。

实验结果表明，在监控场景中，本文算法能够准确地提取运动目标轮廓。

关键词：运动目标检测；背景差分；区域光流；轮廓提取0 引言运动目标检测是指在视频序列图像中检测相对于整幅场景图像运动的物体，在安全监控、交通控制、智能车辆等领域得到了广泛的应用。

目前常用的运动目标检测方法包括帧差法、背景差分法、光流场等方法。

为了给高层视觉算法提供依据，在序列图像中可根据运动目标检测的结果进一步提取单帧图像中运动目标的轮廓，三帧时间差分法简单易行，它利用相邻三帧图像通过常规帧差法得到连续两个差分图像，然后对两个差分图像的相与操作获得运动目标的轮廓和位置信息，但该方法在复杂背景下的结果不够稳定。

本文结合基于区域光流的运动目标检测算法和基于统计平均的背景差分法来获取运动目标前景图像，结合两种方法的优点，从而更准确地提取运动目标轮廓。

1 联合背景差分与区域光流的运动目标轮廓提取模型光流易于捕捉运动物体的运动特性，可以反映出运动目标的位置和轮廓信息。

如果在每一帧图像中对运动目标提取轮廓，仅利用光流信息并不能很好的完成，因为梯度计算需要利用连续的若干帧的图像信息，而运动目标边界区域的梯度变化比较丰富，将导致光流图像中得到的运动目标大于实际运动目标，多出的部分正是运动目标在若干帧时间内经过的区域，这也正是光流对运动物体捕捉其运动特性的体现。

另外，对于相对较大的运动目标而言，如果运动目标内部颜色、灰度等比较单一，那么运动目标内部光流为0，导致光流图像中运动目标内部出现空洞区域。

我们结合背景差分法就能够有效地解决上述问题。

背景差分法能够有效地从背景中提取出当前帧前景运动目标，运动目标轮廓精确，且当背景与目标灰度存在差异时运动目标内部一般不会出现空洞。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｖｉｄｅｏａｎａｌｙｓｉｓ．Ｓｏｔｈｉｓｐａｐｅｒｄｅｓｉｇｎｓａｎｄｉｍｐｌｅｍｅｎｔｓｔｈｅａｌｇｏｒｉｔｈｍｏｆｃｏｎｔｏｕｒｅｘｔｒａｃｔｉｏｎｏｆｍｏｖｉｎｇｏｂｊｅｃｔｓｂａｓｅｄｏｎ
Ａｂｓｔｒａｃｔ：ＴｒａｄｉｔｉｏｎａｌＧａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌｉｎｇａｌｇｏｒｉｔｈｍｈａｓｔｈｅｐｏｏｒｓｈａｄｏｗｓｕｐｐｒｅｓｓｉｏｎ，ａｎｄｔｈｅｐｒｏｂｌｅｍｏｆｎｏｉｓｅａｎｄｂｅｉｎｇｓｅｎｓｉｔｉｖｅｔｏｉｌｌｕｍｉｎａｔｉｏｎｃｈａｎｇｅａｌｓｏｅｘｉｓｔ．Ｉｎｔｈｉｓｐａｐｅｒ，ａｎｉｍｐｒｏｖｅｄＧａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌｉｎｇａｌｇｏｒｉｔｈｍｉｓ
ＪｉｎＨａｎｊｕｎＺｅｎｇＴｉｎｇ
（ＣｏｍｐｕｔｅｒＤｅｐａｒｔｍｅｎｔｏｆＨｕａｚｈｏｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７９，Ｃｈｉｎａ）
ｔｈｉｓｍｅｔｈｏｄｉｓｏｆｈｉｇｈｃｏｍｐｌｅｘｉｔｙａｎｄｌａｒｇｅａｍｏｕｎｔｏｆｃａｌｃｕｌａｔｉｏｎ，ｗｈｉｃｈｃａｎｎｏｔｍｅｅｔｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｏｆｒｅａｌ－ｔｉｍｅ
摘
要：传统的高斯混合建模算法对阴影的抑制效果差，且存在噪声干扰和对光照突变比较敏感的问题。采用了一
种改进的高斯混合建模方法进行运动目标轮廓提取。该方法利用Ｃａｎｎｙ边缘图像对噪声和光照适应性强的特点，将
传统高斯混合模型与Ｃａｎｎｙ边缘检测相结合来提取目标轮廓。但是，该方法复杂度高且计算量大，不满足视频分析实时性的需求，因此，运用ＧＰＵ强大计算能力和并行处理的优势，基于ＣＵＤＡ平台设计并实现了该运动目标轮廓提取算法。实验结果表明，该算法增强了对噪声和光照的适应性，且有效抑制了图像中的阴影，在保证效果的前提下能够更快速地提取视频序列中的运动目标轮廓。关键词：高斯混合模型；Ｃａｎｎｙ算子；轮廓提取；ＧＰＵ
中图分类号：ＴＰ３９１．４１文献标识码：Ａ国家标准学科分类代码：５２０．６０４０
ＣｏｎｔｏｕｒｅｘｔｒａｃｔｉｏｎｏｆｍｏｖｉｎｇｏｂｊｅｃｔｓｉｎｖｉｄｅｏｓｅｑｕｅｎｃｅｓｂａｓｅｄｏｎＧＰＵ
ＣＵＤＡｐｌａｔｆｏｒｍｂｙｕｓｉｎｇＧＰＵ’ ｓａｄｖａｎｔａｇｅｓｏｆｐｏｗｅｒｆｕｌｃｏｍｐｕｔｉｎｇｐｏｗｅｒａｎｄｐａｒａｌｌｅｌｐｒｏｃｅｓｓｉｎｇ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｉｍｐｒｏｖｅｄｔｈｅａｄａｐｔａｂｉｌｉｔｙｏｆｎｏｉｓｅａｎｄｉｌｌｕｍｉｎａｔｉｏｎ，ａｎｄｅｆｆｅｃｔｉｖｅｌｙｓｕｐｐｒｅｓｓｔｈｅ
ｔｈｅｃｏｎｔｏｕｒｏｆｏｂｊｅｃｔｓｗｉｔｈｔｈｅｈｅｌｐｏｆｔｈｅｓｔｒｏｎｇａｄａｐｔａｂｉｌｉｔｙｏｆＣａｎｎｙｅｄｇｅｉｍａｇｅｔｏｎｏｉｓｅａｎｄｉｌｌｕｍｉｎａｔｉｏｎ．Ｈｏｗｅｖｅｒ，
电
子
测
量
技
术
Байду номын сангаас
第３９卷第１１期
２０１６年１１月
ＥＬＥＣＴＲ０ＮＩＣＭＥＡＳＵＲＥＭＥＮＴＴＥＣＨＮＯＬ０ＧＹ
基于ＧＰＵ的视频序列中运动目标轮廓提取＊
金汉均曾婷
（华中师范大学计算机学院武汉４３００７９）
ｕｓｅｄｔｏｅｘｔｒａｃｔｔｈｅｃｏｎｔｏｕｒｏｆｍｏｖｉｎｇｏｂｊｅｃｔｓ．ＧａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌｉｓｃｏｍｂｉｎｅｄｗｉｔｈＣａｎｎｙｅｄｇｅｄｅｔｅｃｔｉｏｎｔｏｅｘｔｒａｃｔ