·66 智能系统学报 第7卷 放的轮式机器人运动.摄像机型号为Canon IXUS 105,拍摄得到的视频分辨率为640×480像素大小、 帧频为30帧/8、共523帧.下面选取视频的第97~ 100帧原始图像进行实验，如图11所示. (a)Mean shift图像分割 )边缘检测结果/， 图8基于Mean shift的图像分割与边缘检测结果2 Fig.8 Result 12 of image segmentation and edge detec- tion based on Mean shift (a)第97断 b)第98 4)基于SURF和Mean shift的运动目标检测.将 12与11进行与运算，结果为3；以13中的非零像素 点为种子点，在12中进行区域生长，结果为14，如图 9所示. (c)第99帧 (d)第100帧 图11手持式摄像机拍摄得到的原始图像 Fig.11 Original images captured by handheld camera 与3.1节方法类似，将第97帧与配准后的第 ()l和，的与运算结果L,(b)基丁1，的u,区域生长结果1 99帧图像、第98帧与配准后的第100帧图像分别 图9基于SURF和Mean shi近的运动目标检测结果I4 做差分运算，然后利用差分求积二值化得到包含噪 Fig.9 Moving object detection result I based on SURF 声和运动目标区域的检测结果K,其形态学滤波处 and Mean shift 理结果为K1,并据此在原始第100帧图像中检测得 5)根据14中的非零像素点，在第160帧原始图 到运动目标轮廓，如图12所示. 像中检测运动目标，最终结果为R,如图10所示. (a差分求积二值化图像K,b)形态学滤波处理结果K 图10运动目标检测最终结果R, Fig.10 Final result R of moving object detection 从实验结果来看，简单差分运算可以分割出运动 目标区域，但是受匹配误差等的影响，差分图像中存在 许多噪声，如图6(a)、(b)所示.差分求积二值化技术 )第100帧原始图像中检测得到运动目标轮槨 能够有效滤除噪声，增强运动目标区域，如图7(a)所 图12基于SURF的运动目标区域检测结果K, 示.经过形态学滤波处理后，图像中的运动目标区域更 Fig.12 Result K of moving object area detection based 加清晰；但此时存在误检情况，如图7（℃）所示.采用本 on SURF 文方法后，可精确得到运动目标轮廓，避免误检情况的 图l3为基于Mean shift图像分割和边缘检测的 发生，如图9(b)10所示 结果K.将K2与K做与运算，结果为K,并以K 3.2面向手持摄像机序列图像的运动目标检测实验 中的非零像素点为种子点，在K2中进行区域生长， 利用手持摄像机拍摄同时存在平移、旋转和缩 结果为K4,如图14所示