基于马尔可夫随机场的运动目标检测

《基于马尔可夫随机场的运动目标检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、18220lo，46(15)cD唧幽，西讲聊e咖∞dApp船m幻船计算机工程与应用基于马尔可夫随机场的运动目标检测蒋永馨-，金俣欣z，王孝通，，黄华，JIANGYong一】【inl，JINYu—xin2，wANGxiao—ton93，HuANGHua31．海军大连舰艇学院基础部，辽宁大连1160182．清华大学计算机科学与技术系，北京1000843．海军大连舰艇学院航海系，辽宁大连11印181．DepanmemofBasicSciences，Dali柚NavalAcadeTny，Dali卸，“∞ning116018，China2．

2、Depam煳tofco呷uterscienceaIldTech∞logy，Tsin曲uaUlliver8ity，Beijing100084，chi腿3．Depanment“Navigation，Dali蛐Nav8lAcademy，Dali粕’“a∞ing116018，Chi腿皿kNGYong—Xin．JlNYh—xllI．WANGXiao—tong．eta1．Mo、，ingobjectdetec6佃based蚰MarkoVR蚰domneMmodeLComputerEngil蛾ringandAppU∞伽衄。20lO，46(1S)：1

3、82一l明．Abstmct：Accuratedetectionofmovingobject8isanimport锄tprecu玛ort0stabletrackingorrecogniti蚰．Thisp印erpresentsanobiectdetectionschemeusingMarkovRandomField如dpixel—wiseMultiGaussi蚰BackgroundModelins协tionarycamemsitu—ation．The陀lationofeachpixel蚰dtheotllerneig}Iborpixel

4、i8constitutedbyMarkovRandomField．Andthewholere8trictionise8tablished．nisfetchesup山e8honageof8inglepixeli舶mation埘thMultiG舢ssianBackgroundModel．Sotlleforeground8eg—mentationismomexact．Thi8p印eral∞preBent8anovelenergyfunctionb鹊edonMultiGaussi粕BackgmundModelande8tab—lishe$

5、∞lutionschemeusingsimulatedannealingmethod．Experimentsdemonstmteitse珏bctivene鹪．Keywords：objectdetection；videosequerIce；MarkovRandomField(MRF)摘要：精确的目标检测是目标跟踪和识别的重要前提。提出了一种基于固定摄像机环境下的运动目标检测方案，利用多高斯和马尔可夫随机场的混合模型对视频序列进行前景分割，以达到对运动目标检测的目的。建立了马尔可夫随机场用以刻画图像中每个像素点与一定范围的领域内其他各

6、点的关系，同时考虑一定的时域中的关系从而构建一个全局的约束，弥补多高斯模型只考虑单点信息的不足，使得前景分割更为准确。还给出了一种基于多高斯和马尔可夫随机场的新的能量函数形式，并给出了模拟退火方法对模型进行求解的方法。结果表明，利用该文的方法对运动目标进行检测，结果要优于多高斯模型。关键词：目标检测；视频序列；马尔可夫随机场DoI：10．3778／i．is蚰．1002—8331．20lO．15．054文章编号：1002—8331(2010)15_0182一03文献标识码：A中图分类号：7I鸭91．4目标的自动检测与跟踪是计算机视觉

7、的—个重要课题，一直是监视和预警系统的重要组成部分。若要监视和预警系统具备快速的反应能力，就必须能及时地发现目标、跟踪目标、捕获和锁定目标。这就要求监视和预警系统增大其有效作用距离，能在远距离发现目标。比如在现代高科技战争中，为了能尽早地发现敌方卫星、导弹、飞机、坦克、车辆等军事目标，增大作战距离，能够在越远的距离发现、跟踪目标，越能更好地实现有效的防御和攻击。传统的运动检测方法有：背景消减、相邻帧差分和光流法以及背景模型法。相邻帧差分简单易行，但抗背景扰动能力弱；光流法计算复杂，对硬件要求高，一般实际应用中很少使用。传统的背景建

8、模方法来自于对每个像素点建立一个混合高斯模型(GMM)进行描述，一般都是学习一段时间中某个像素点的颜色值的分布后，在新的一帧中对每个像素点计算服从该点颜色分布的概率大小，从而判断该点是否属于背景，如果属于则更新背景的概率分布，否则将之标记为前景。如