采用多组单应约束和马尔可夫随机场的运动目标检测算法.pdf

《采用多组单应约束和马尔可夫随机场的运动目标检测算法.pdf》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、第27卷第4期计算机辅助设计与图形学学报Ｖｏｌ27Ｎｏ42015年4月ＪｏｕｒｎａｌｏｆＣｏｍｕｔｅｒＡｉｄｅｄＤｅｓｉｎ＆ＣｏｍｕｔｅｒＧｒａｈｉｃｓＡ2015ｐｇｐｐｐｒ采用多组单应约束和马尔可夫随机场的运动目标检测算法ｕ）崔智高、李艾华、冯国彦°第二炮兵工程大学502教研室西安710025）（2）西安交通大学机械工程学院西安710049）（ｃｕｉｚ06ｃ112ｏｍ（ｇ＠）摘要：针对现有动态背景下目标检测算法的局限性，提出种基于多组单应约束和马尔可夫随机场的运动目标检

2、测算法该算法以视频序列多帧跟踪的运动轨迹为基础通过轨迹分离和像素标记2个阶段实现运动目标的检测：在，轨迹分离阶段利用多组单应约束对视频序列的背景运动进行建模并基于该约束通过累积确认的策略实现背景轨，，迹和前景轨迹的准确分离在像素标记阶段以超像素为节点建立时空马尔可夫随机场模型将轨迹分离信息以及；，，超像素的时空邻域关系统建模在马尔可夫随机场的能量函数中并通过最小化能量函数得到每个像素的前背景标，记结果与现有基于运动轨迹的方法相比，文中算法不需要仿射摄像机模型的假设，有效地解决了运动轨迹等长带来的轨迹点区域缺

3、失问题并可同时处理静态背景和动态背景2种类型的视频在多个公开数据集的测试结果表明，；，该算法在轨迹分离准确性、轨迹点密度以及像素标记准确率等方面均优于现有方法关键词：运动目标检测运动轨迹多组单应约束轨迹分离马尔可夫随机场模型像素标记；；；；；中图法分类号：ＴＰ391Ａ－ＭｏｖｉｎＯｂｅｃｔｅｔｅｃｔｉｏｎＡｌｏｒｉｔｈｍＵｓｉｎｔｉｆｒａｍｅＨｏｍｏｒａｈｏｎｓｔｒａｉｎｔｇＤＭｕｌＣｊｇｇｇｐｙａｎｄＭａｒｋｏｖＲａｎｄｏｍＦｉｅｌｄｓＭｏｄｅｌ1112Ｃ）Ｌ））ｕｉＺｈｉａｏ

4、ｉＡｉｈｕａａｎｄＦｅｎＧｕｏａｎｇ，’ｇｙ＇＾Ｆａｃｕｌ502ｔｅｃｎｄｌｌｅｒｎｎｅｅｒｎＵｎｖｅｒｓｔＸａｎ7100｛ｔｈｅＳｏＡｒｔｉｉｉｉｉｉ25ｙｙＥｇｇｙ）＇2）ＳｃｈｏｏｌｏＭｅｃｈａｃａｌｎｎｅｅｒｎＸａｎａｏｏｎＵｎｖｅｒｓｔＸａｎ（ｎｉＥｉｉ，ｉＪｉｔｉｉｉ110049ｆｇｇｇｙ）Ａｂｓｔｒａｃｔ：Ｔｏｏｖｅｒｃｏｍｅｔｈｅｌｉｍｉｔａｔｉｏｎｏｆｅｘｉｓｔｉｎｇｍｅｔｈｏｄｓｆｏｒｓｅｇｍｅｎｔｉｎｇｍｏｖｉｎｇｏｂｊｅｃｔｆｒｏｍｔｈ

5、ｅｄｙｎａｍｉｃｂａｃｋｒｏｕｎｄａｍｏｖｉｎｂｅｃｄｌｉｆｈｏｍｈｔｔＭａｒｇｔｔｅｃｔｉｏｎａｌｏｒｉｔｈｍｕｓｉｎｕｔｒａｍｒａｃｏｎｓｒａｉｎａｎｄｋｏｖＲａｎｄｏｍ，ｇｏｅｅｏｇｊｇｇｍｐｙＦＭＲＦｍｏｄｅｓＴｅｄｍｏｄｓｎｎｒｗｈａｃｋｉｅｌｄｓｌｉｒｏｏｓｅｄｈｅｒｏｓｅｔｈｉｂａｓｅｄｏｌｏｔｅｒｍｍｏｔｉｏｎｔｒａｅｃｔｏｉｃｈｉｓｔｒｅｄｐｐｏｇｙ（）ｐｐｊａｃｒｏｓｓｔｈｅｗｈｏｌｅｖｉｄｅｏｓｅｑｕｅｎｃｅｓＡｎｄｔｈｅｒｏ

6、ｏｓｅｄｍｅｔｈｏｄｃｏｎｓｉｓｔｓｏｆｔｗｏｓｔａｅｓｔｒａｅｃｔｏｒｌｅｖｅｌｓｅａｒａｔｉｏｎｐｐｇｙｐｊａｎｄｌｌｉｈｏｍｏｉｘｅｌｅｖｅｌｌａｂｅｌｉｎＩｎｒａｅｃｏｒｓｅａｒａｔｉｏｎｓａｅｈｅｂａｃｋｒｏｕｎｄｍｏｉｏｎｉｓｍｏｄｅｌｅｄａｓｍｕｔｆｒａｍｅｔｔｔ，ｔｔｐｇｊｙｐｇｇｇｒａｐｈｙｃｏｎｓｔｒａｉｎｔＢａｓｅｄｏｎｔｈｉｓｃｏｎｓｔｒａｉｎｔｔｈｅｍｏｔｉｏｎｔｒａｅｃｔｏｒｃａｎｂｅｄｉｖｉｄｅｄｉｎｔｏｆｏｒｅｒｏｕｎｄａｎ

7、ｄｂａｃｋｒｏｕｎｄ，ｇｇｊｙｏｎｅｓｕｓｉｎｅｓｉｎｅｄｃｕｍｕａｖｅａｃｋｎｏｗｅｄｍｅｎｔｓｔｒａｔＩｎｉｘｅｌｌａｂｅｌｉｎｓｔａｅｅｒｆｒａｍｅｓｕｅｒｘｅｓａｒｅｇｌｔｉｌｅｉｌａｃｄｇｇｇｙｐｇｇ，ｐｐｐｕｉｒｅｄｉｍｅｈｏｄａｋｅｎｈｅｓｕｅｒｉｘｅｌａｓｎｏｄｅｈｅａｒｋｏｖａｎｄｏｍＦｉｅｌｄｓｍｏｄｅｌｉｓｉｎｒｏｑｂｙｏｖｅｒｓｅｍｅｎｔｎｔ．ＴｔｓｅｔｔＭＲｔｇｇｐｐ，ｄｕｃｅｄｔｏｃｏｎｖｅｒｔｔｈｅｓｐａｒｓｅｔｒａｅ

8、ｃｔｏｒｙｃｌａｓｓｉｆｉｃａｔｉｏｎｔｏｄｅｎｓｅｉｘｅｌｌａｂｅｌｉｎＡｎｅｎｅｒｆｕｎｃｔｉｏｎｏｆＭａｒｋｏｖＲａｎｐｇｇｙｊｄｏｍＦｉｅｌｄｓｅｔｏｎｍｏｄｅｌｉｄｅｓｉｎｅｄｗｈｉｃｈｈａｓｃｏｍｂｉｎｅｄｍｏｔ