基于灰度区间统计的背景自适应更新算法

基于灰度区间统计的背景自适应更新算法

ID:28068354

大小:18.02 KB

页数:5页

时间:2018-12-08

基于灰度区间统计的背景自适应更新算法_第1页
基于灰度区间统计的背景自适应更新算法_第2页
基于灰度区间统计的背景自适应更新算法_第3页
基于灰度区间统计的背景自适应更新算法_第4页
基于灰度区间统计的背景自适应更新算法_第5页
资源描述:

《基于灰度区间统计的背景自适应更新算法》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。基于灰度区间统计的背景自适应更新算法  摘要:视频中运动目标检测与提取是计算机自动识别技术的重要环节,如何快速且准确的提取运动目标是研究热点。目前通常使用背景差分算法来进行运动目标检测,而背景差分的关键在于背景提取的好坏和阈值设定上,并且为达到实时检测的目的,背景还要能够适应光照的变化而进行实时更新。针对于传统的mode算

2、法在背景提取时没有考虑到统计帧的背景灰度值是波动的情况,本文提出基于灰度区间统计的背景提取算法。算法是将0~255灰度范围进行区间划分,判断灰度值落在哪些区间并且统计区间的样本个数,然后对样本量最大的区间的样本求平均值,从而得到初始化的背景效果图,最后通过对样本数据进行离散分析来自适应更新背景。  关键词:背景差分灰度区间自适应更新  中图分类号:TP311文献标识码:A文章编号:1672--0179-02  1传统背景提取算法为了充分发挥“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

3、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。  传统的背景提取算法总的来说有两类:一类是时域滤波[2],另一类是基于直方图统计分析的方法。前者是通过建立背景模型而获取背景,建立模型的方法由概率密度函数和估计方法的不同而不同,如单高斯模型和混合高斯模型[

4、4]。单高斯模型适用于静态的背景提取,无法获取动态变化的背景。在场景比较复杂的情况下,通常要利用多个高斯分布来描述真实场景,即是混合高斯模型,混合高斯算法适用于背景变化小而快的运动目标检测,但是它同样也有缺点,比如对外界光照强度突然变化时比较敏感;对大而慢的目标检测效果理想。  第二类是基于直方图统计分析的方法,这类方法包括统计中值法、统计平均法以及mode算法[3]等。这些算法的原理都是基于概率统计的方法,利用的是运动目标在多帧图像内某点像素出现概率比较小的条件下而初始化背景。算法简单描述:获取

5、N帧图像,将N帧图像在点位置处的灰度值存入到数组Arayy当中。统计中值法是对数组Arayy进行排序继而求得数组内数据的中值,中值即为出的背景灰度值;统计平均法是求取数组内数据的平均值,平均值即为当前背景灰度值;mode算法和�y计中值法类似,但是它求取的是数组内数据的众数,将众数看作为背景灰度值。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

6、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。  从算法描述中可以看出统计平均法是将运动目标所在位置的像素值看作为噪声,对多帧像素进行求和平均的方法来消除噪声,这种算法优点是简单易懂,但是受到了前景噪声的干扰,有时背景提取的效果不理想。mode算法和中值算法在一定程度上可以消除的前景噪声的干扰,但是mode算法没有考虑到背景灰度值在统计时间段内因光照变化而引起的波动现象。利用mode

7、算法提取的背景,对图像序列在A点灰度值而进行的统计。从可以看到A点在0~15帧灰度值比较稳定,在15~100帧波动比较明显,用mode算法最后得到的背景灰度值为38,与实际背景灰度值不符。基于此本文提出了基于区间统计的背景自适应算法。  2新的背景提取算法  算法流程图  算法流程图如图1所示。  算法描述  本文针对传统的mode算法的不足之处,提出了将灰度范围进行区间划分的背景自适应更新算法。算法主要分为三个模块:首先是灰度区间划分,然后是初始化背景,最后进行背景自适应更新。  模块一:灰度区

8、间划分。  为了解决背景像素点的灰度值在一定时间内出现的波动,我们把灰度值范围进行更小的区间划分。数字图像的灰度值大小范围是在0~255之间,将这个区间划分成若干个相同大小的小区间,设置小区间长度为L,L是2的倍数且小于256,那么小区间个数为256L。所有小区间数学表示如下:  其中N的大小为。  模块二:初始化背景。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

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。