资源描述：
《混合高斯模型和LBP纹理模型相融合的背景建模》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、MicrocomputerApplicationsVol.26,No.9,2010技术交流微型电脑应用2010年第26卷第9期文章编号：1007-757X(2010)10-0042-03混合高斯模型和LBP纹理模型相融合的背景建模刘泉志，胡福乔摘要：提出了一个适用于动态背景的基于颜色和纹理的背景模型。这个概率背景模型不仅考虑了传统目标检测中的时域相关性（背景减除等），也考虑了在动态场景中大量存在的空间相关性（方块纹理等），使得在动态背景中依然得到准确的运动目标检测。首先应用混合高斯概率模型和LB
2、P纹理模型计算当前像素的颜色前景概率值，然后应用数据融合算法D-S证据理论，进行决策层级上信息融合得到当前像素隶属于前景的概率值，提高了前景判别的准确性。实验证明，上述算法能够在一般目标检测特别是动态场景下的检测中取得良好的效果。关键词：目标检测；混合高斯模型；LBP纹理模型；D-S证据理论中图分类号：TP311文献标志码：A0引言当获得新的图像帧时，更新混合高斯分布模型；在每一个时间段上选择混合高斯分布模型的子集来表征当前的背景；此在当前运用背景建模进行目标检测的工作中，比较著名处不直接利用最
3、近邻法则来进行前景点和背景点的判断，而的针对每个独立像素的特征信息建模，有早期Wren等人提是计算前景和背景概率值，利用所得概率值结合纹理模型来[1]出的高斯模型，但是高斯模型在大多数的室外场景中遇到间接的判断。了问题，因为一些往复运动，阴影和反射使得产生很多误检1.2背景模型漏检。为此在高斯模型的基础上Friedman和Russell提出了由摄像头采集到的图像序列,每一帧图像包含R,G,B的更能真实反映多峰概率模型的混合高斯模型。混合高斯模型色彩信息.背景模型采用这些信息来描述像素点i在时间t
4、的已成为目前背景减除中最为常用的一个标准算法，但是高斯特征。混合模型也只是模拟了单个像素点在时间序列上的分布，而Xit,,=[,,]RGBitit,it,（1）没有考虑到在一帧图像中存在的空间上的关联性。另外存在式中i,t为一般自然数。的一个问题是很难确定混合模型中高斯分布的个数。另一类如果没有运动目标(前景)存在,则视频图像相对静止.每区域模型算法中，较为有效的有Oliver等人提出的基于特征一像素点随时间变化都服从一定的统计模型,该算法中每一[2]空间分解的目标检测算法，这个算法对光线的变化
5、十分鲁个像素点由K个高斯分布的混合模型来表征,其中第k个高棒。另外Zhong与Sclaroff提出了基于自回归移动平均斯分布的概率密度函数为[3]（autoregressivemovingaverage,ARMA）模型来预测状态11/2(x−μ)T−1η(,,)xeμμ∑=k∑(x−)（2）变化的算法。kkk1/21/2kk(2)π
6、∑
7、k基于以上考虑，本文提出的算法有3个特点。第一，同式中，μk表示均值矢量，∑k表示协方差矩阵。时运用颜色和纹理信息来对目标物进行检测；第二，结合像素点i当前的特
8、征与该像素点过去时刻的特征有关,空间域和时间域的背景建模。纹理采用区域块进行特征抽取其概率为建立背景模型，高斯基于单点像素建立背景模型；第三，对KPXX(
9、,...,)X=∑ωημ•(,,X∑)（3）it,i,1it,1−=k1,1,it−kkit,it,1,−−kit,1,k于混合高斯模型和LBP纹理模型的结果分别运用概率来表示，并利用决策级信息融合方法D-S证据理论对概率进行1.3概率计算融合，得出最终前景概率。本文采用3个模态的高斯函数来表征背景模型和前景b模型。判断前景背景模型，采用经验
10、权重域值，如∑ωk>T，1基于高斯混合模型的背景建模k=1则前b个模态高斯判定为背景高斯，后3-b个高斯则为前景1.1原理高斯[1][2]。采用由Stauffer和Grimson所提出的基于混合高斯模型根据
11、Xi,t-μi,t,k
12、<2.5∑i,t,k，来确定当前像素匹配于哪个高的背景提取算法来进行背景建模,并参考了Masoud和[4]斯模型。进而由模型算出前景或背景的概率P（属于前景模Papanikolopoulos的文章对算法的实现进行了改进。基于型则由公式（3）计算出前景概率，相应的其背景
13、概率为1-P，混合高斯分布模型的自适应背景消除算法的基本思想是：使属于背景模型则相反处理）。用混合高斯分布模型来表征图像帧中每一个像素点的特征;———————————作者简介：刘泉志（1985.8-），男，上海交通大学电子信息与电气工程学院，硕士研究生，研究方向：模式识别，机器视觉，上海200240胡福乔（1957-），男，上海交通大学电子信息与电气工程学院，副教授，研究方向：智能交通系统，图像压缩与多媒体技术，上海200240·42·MicrocomputerApplicationsVol.2
