一种基于Kalman滤波器的自适应背景建模改进算法.pdf

《一种基于Kalman滤波器的自适应背景建模改进算法.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、52传感器与微系统(TransducerandMicrosystemTechnologies)2012年第31卷第1期一种基于Kalman滤波器的自适应背景建模改进算法伍健荣，杜向龙，刘海涛(1．中国科学院上海微系统与信息技术研究所无线传感器网络与通信重点实验室。上海2000502．无锡物联网产业研究院。江苏无锡214135)摘要：基于传统Kalman滤波器理论的背景建模方法，不能很好地解决目标缓慢运动导致背景模型出现拖影的问题。针对该问题，提出了一种结合Kalman滤波器理论与动态区域重构的自适应背景建模改进算法，介绍了Ka

2、lman滤波器理论主要思想和改进算法的方法流程与效果。与传统的Kalman背景建模相比，该方法在增加少量计算复杂度的前提下，较好地解决了目标缓慢运动导致背景模型出现拖影的问题，同时也能较好地消除背景噪声。通过对图像序列的仿真实验证明：该方法具有很好的实用性与鲁棒性。关键词：背景建模；Kalman滤波器；动态区域重构；前景分割中图分类号：TP274文献标识码：A文章编号：1000-9787(2012)01-0052-03AnimprovedadaptivebackgroundmodelingalgorithmbasedonKal

3、manfilterWUJian．rong，DUXiang—long，LIUHai—tao'(1．KeyLab0fWirelessSensorNetworksandCommunications．ShanghaiInstituteOfMicrosystemandInformationTechnology，ChineseAcademyOfSciences，Shanghai200050，China；2．WuxiSensingNetIndustrializationResearchInstitute．Wuxi214135．China)A

4、bstract：ThebackgroundmodelingmethodsbasedontraditionalKalmanfiltertheorycannotsolvethesmearproblemonbackgroundmodelresultedfromveryslowmovementtarget．Tosolvethisproblem，animprovedadaptivebackgroundmodelingalgorithmcombiningKalmanfiltertheorywithdynamicregionreconstr

5、uctionisproposed．ThemainideasofKalmanfiltertheoryandtheprocessesandeffectoftheimprovedalgorithmiselaborated．ComparedwiththetraditionalKalmanbackgroundmodelingmethod，theimprovedalgorithmcansolvethesmearproblemandeliminatethebackgroundnoisemuchbetterwithasmallincrease

6、ofcompurationalcomplexity．Theimprovedalgorithmisprovedtohavegoodpracticabilityandrobustnessthroughsimulationofimagesequences·Keywords：backgroundmodeling；Kalmanfilter；dynamicregionreconstruction；foregroundsegmentation0引言建模方法。背景建模遇到的主要问题是场景中背景的动态基于图像序列的运动视觉分析是近年来计算机视觉

7、领变化，例如：树叶晃动、光照变化及摄像机自身颤动等域中备受关注的前沿方向，在智能监控、人工导航、交通管目前，国内外很多研究人员都致力于背景模型的研究，制与人机交互中有着十分广泛的应用前景，包含运动目标如单高斯分布模型(singleGaussianmode1)、混合高斯分在图像序列中的检测、识别、跟踪并对其行为进行理解和描布模型(mixtureofGaussian，MOG)与Kahnan滤波器述。运动检测旨在从图像序列中将运动变化区域从背景图(Kalmanfilter)模型。单高斯分布模型与混合高斯分布像中提取出来，实现运动变化

8、区域前景的分割。模型计算复杂度高，且模型参数对背景提取影响很大，缺乏近年来，背景差方法以其相对简单的计算复杂度和完鲁棒性。Kalman滤波器方法模型参数对背景提取影响小整的特征数据获得等优势，在运动检测中得到了大量的应大，并对噪声有较强的抑制作用，KarmannKBrandt