欢迎来到天天文库
浏览记录
ID:28040087
大小:17.70 KB
页数:4页
时间:2018-12-07
《一种改进的背景提取与目标检测方法研究》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。一种改进的背景提取与目标检测方法研究 【摘要】目标检测背景差分法是相对而言较为常用的方法,但是在背景差分法中,背景模型的建立成了至关重要的一个步骤,针对传统的混合高斯模型面临的计算量大、环境尤其是光照突变和对场景构成改变的问题,本文首先提出了一种简化了的混合高斯模型,可以减少运算量[1-3];其次通过区分是否发生光照突变从而
2、选择不同的背景更新速率。简单、有效地解决了背景建模、实时更新模型参数以及光照变化和场景构成变化的问题。 【关键词】改进混合高斯模型;背景差分;运动目标检测 Abstract:targetdetectionbackgrounddifferencemethodisrelativelycommonlyusedmethod,butinthebackgrounddifferencemethod,backgroundmodelhasbecomeoneofthemostimportantstep,inviewo
3、fthetraditionalgaussianmixturemodelfacealargeamountofcalculation,theenvironment,especiallytheilluminationmutationsandachangetothescene,thispaperputsforwardanadaptivegaussianmixturemodelnumberchoice,secondlybydistinguishinglightmutationsandchooseadiffere
4、ntbackgroundupdaterate.Effectivelysolvethebackgroundmodeling,real-time为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。u
5、pdatemodelparametersandthechangeofilluminationandscenechange. Keywords:ImprovingMixtureGaussionmedel;Backgroundsubtraction;Movingobjectdetection 1.引言 对于运动目标的检测,在现代化的各个领域都占有者重要地位,也是人们研究的热点。基于背景模型建立的目标检测方法通常有均值法、中值法、单高斯分布背景模型、混合高斯分布背景模型等,混合高斯模型是最为重要的一种
6、背景建模方法。它是利用多个高斯分布函数进行背景模型的建立,通过与对应像素匹配,不断修改多个高斯分布的组成及权重,因此对场景具有一定的适应能力,但是该方法仍然存在很多弊端:1)在光照突变或者树叶大面积摆动的情况下,像素值会在短时间之内大面积的发生突变,很容易会被检测成为目标,这就存在一定的虚假性;2)目标长时间停止再运动时,被目标遮挡的部分容易被误判断为前景目标;3)目标运动缓慢或者做短暂停留时,很容易将目标判断为背景。 2.混合高斯模型 在混合高斯模型中,把图像中的每个像素都建立K个高斯函数模型,
7、高斯分布表示所构成的模型&其函数表达式为: 高斯混合模型的背景提取和更新应包含以下三个部分:背景模型的初始化、参数更新、背景模型提取。为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。 背
8、景模型参数初始化 要对K个混合高斯分布的均值、标准差、权重系数初始化[4]: ⑴K个混合高斯分布的均值为第一帧视频所对应像素的像素值; ⑵K个混合高斯分布的标准差去一个相对较大的值; ⑶K个混合高斯分布的权重相等。 背景模型的参数更新 在完成对每个像素所对应的K个混合高斯分布初始化后,需要对下一帧图像里的每个像素与K个高斯模型进行逐一高斯匹配,如果满足式,则证明该像素与第i个高斯分布相匹配,匹配的为背景点,不匹配的为前景点。 对已经匹配
此文档下载收益归作者所有