- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
一种运动目标检测中背景动态建模的方法
1混合高斯背景模型
视觉监控系统的真实场景往往是复杂的,并且往往是不均匀的。对监控场景的背景分析是目标检测、跟踪、分类和行为理解等后续处理的基础。全球数据监控场景的建模对于正确的数据收集具有积极意义。
随着全球对智能视觉监控的需求日益增加,许多关于智能视觉监控的大规模研究项目已经在欧美国家展开,已有多篇论著详细介绍了针对不同应用条件的背景模型。Ridder等人对每个像素构建一个模型,每个像素有一个Kalman滤波,使得系统能适应场景中的灯光改变。这种方法有一个像素自动阈值,但是背景依然自适应变化得很缓慢,不能很好地处理多层背景的情况。Wren等人的Pfinder实时系统对跟踪对象用了一个多类的统计模型,但是背景模型每个像素只有一个高斯模型,在初始化一个没有运动物体的背景后,这个系统能得到一个很好的结果,但是在户外场景,随着时间的迁移、光线的变化,这种算法并没有得到成功的跟踪结果。
针对静止摄像机的情况,本文的多维混合高斯和帧间差分相融合的自适应背景模型是首先选取一帧作为背景帧,在Stauffer等人提出的背景模型基础上为每个像素构建多维混合高斯分布模型,运用帧间差分法对相邻两帧图像进行差分处理,通过自适应阈值把每帧中像素点区分为背景区域和变化区域;再将变化区域中的点与其多维混合高斯分布进行匹配,进而区分出背景显露区域和运动物体区域;相对于背景区域,背景显露区中的像素点将以大的更新率更新多维混合高斯分布模型;而运动物体区域中的点不再构建新的高斯分布加入到多维混合高斯分布模型中;在学习新的场景信息后更新背景。该方法有效弥补了Stauffer等人提出的自适应混合高斯背景模型对于长时间停滞物体由背景变成前景运动物体时,背景模型更新速度较慢的问题;同时算法也减弱了慢速运动物体对背景模型的影响。实验结果表明,即使光线变化、车辆人流混乱的场合中,背景生成也是稳定的,具有较好的自适应性,能做到实时的户外运动目标检测与跟踪。
2高斯分布模型
2.1自适应多维混合高斯背景模型
Stauffer等人提出的背景模型对每个像素点建立K个多维高斯分布来混合模拟该点的背景值,对于像素点(x0,y0),t时刻的观察值xt=(rt,gt,bt)Τxt=(rt,gt,bt)T,属于背景的概率
p(xt)=Κ∑i=1ωk,tη(xt,μt,i,Σt,i),
η(xt,μt,i,Σt,i)=1(2π)n/2|Σi|1/2×
e-12(xt-μt,i)Τ-1Σi(xt-μt,i)(1)
为第i个高斯分布的概率密度数,ωi,t(k∑i=1ωi,t=1)为分布对应的权值,K个高斯分布总是按照优先级ρi,t=ωi,tσi从高到低的次序排列。K的取值为5~7,K可以根据计算机的存储容量和运算能力进行调整。假设rgb3通道是相互独立的(以牺牲一些精确度为代价,避免大量的运算消耗在矩阵倒置中),并且有相同的方差。于是均值μi,t=(μr,μg,μb)Τi,t;协方差矩阵Σi,t=σ2i,tI(I为单位矩阵)。
背景建模过程如下:
(1)高斯分布模型匹配
新观察值xt与它的按优先级pi,t高低排列的k(1≤k≤K)个高斯分布进行匹配,匹配的条件为|xt-μt-1,i|2.5σi。若都不匹配,当kK时,增加一个新的高斯分布,当k=K时用新的高斯分布代替最小优先级pk,t的高斯分布。新的高斯分布以xt作为均值,并初始一个大的方差,这里取50。
(2)混合高斯模型的更新
高斯分布权值更新:ωi,t=(1-α)ωi,t-1+α(Mi,t),匹配的分布Mi,t=1,其余分布Mi,t=0。对匹配的高斯分布的均值和方差进行更新,不匹配的分布保持不变。
μj,t=(1-β)μj,t-1+βxt
σ2j,t=(1-β)σ2j,t-1+β(xt-μj,t)T(xt-μj,t)
αβ为学习率
β=αη(xt|μt,k,σt,k)(2)
(3)生成背景模型
重新对混合高斯分布按优先级ρi,t由大到小排列,取前B个高斯分布联机的生成背景:
xbg=B∑i=1ωk,tμt,iB=argminb(b∑k=1ωkΤ)(3)
取T=0.85,如果T选择一个小的值,则背景通常用一个高斯分布来描述;如果T选择一个比较大的值,背景由多个分布来混合描述。
由K均值算法,ωi,t等价于每个高斯分布作为背景的先验概率,每个分布的概率密度函数为η(μt,i,μt,i,Σt,i)(均值μt,i的概率)。由贝叶斯判定准则得:
R=p(BG|xbg)p(FG|xbg)=p(xbgBG)p(xbgFG)=B∑i=1ωi,tη(μt,i,μt,i,Σt,i)Κ∑j=Bωj,tη(μt,j,μt,j,Σt,j)=B∑i=1ωi,t(σi)3Κ∑j=Bωj,t(σj)3(4)
您可能关注的文档
- 19世纪坦桑尼亚的尼扬姆苏维埃人.docx
- 2009年上海有色金属期货市场分析.docx
- 2013年第二届pcd绣美中国奥斯丁奖.docx
- 2014年以来以来中国与巴基斯坦政治秩序的新变化.docx
- 2014年日本和法国的税收及相关问题.docx
- ankelos种植系统的临时冠制作.docx
- ansys软件在电磁仿真中的应用.docx
- rs湿法氧化脱硫技术在工业中的应用.docx
- wo贸易与环境问题的法律分析.docx
- 《标幽赋》针灸理论浅析.docx
- Haier海尔515升风冷变频多门冰箱 BCD-515WGHFD1BY6U1说明书用户手册.pdf
- Razer雷蛇雷蛇黑寡妇蜘蛛V4无线专业版75% RZ03-0513 支持和常见问题解答 用户指南 (French)说明书用户手册.pdf
- Siemens西门子工业ALPHA 3200 Eco — 母线 N BCL ALPHA 3200 Eco — 母线 N BCL使用手册.pdf
- Tenda腾达A33 说明书用户手册.pdf
- Hifiman头领科技ANANDA-BT说明书用户手册.pdf
- MIDIPLUS美派Routist RS GENII快速入门指南V1.0.0.pdf
- 玩家国度ROG Strix XG27UCG 液晶显示器 西班牙文版使用手册.pdf
- Zlg致远电子【用户手册】VBNET-4302用户手册 V1.03.pdf
- 玩家国度ROG Strix XG27UCG 液晶显示器 斯洛文尼亚版使用手册.pdf
- Siemens西门子工业ALPHA 3200 Eco — 电缆槽 3NJ4 ALPHA 3200 Eco — 电缆槽 3NJ4使用手册.pdf
最近下载
- 部编版八年级上册历史基础知识填空.docx
- 小学五年级上全册人自然社会教案可打印.doc
- DB11∕T 1598.3-2019 居家养老服务规范 第3部分:助医服务.docx VIP
- 人教版高中物理电学实验要点总结.pdf VIP
- 普通高中课程标准2023.pdf
- 幼儿园幼儿出游安全应急预案.docx VIP
- 2024浙江省执业药师继续教育答案-中医虚症辨证用药.docx VIP
- DB11_T 1598.2-2019 居家养老服务规范 第2部分:助餐服务.PDF VIP
- 简谱 爱永在 沂蒙山 王传亮.pdf
- 小学一年级音乐下(第三单元 音乐中的动物: 唱歌 咏鹅):C1跨学科学习活动设计-教学方案设计+学生学习成果+学习成果点评[2.0微能力获奖优秀作品].docx
文档评论(0)