资源描述：
《自适应核密度估计运动检测方法》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35卷第4期自动化学报Vol.35,No.42009年4月ACTAAUTOMATICASINICAApril,2009自适应核密度估计运动检测方法徐东彬1;2黄磊1刘昌平1摘要提出了一种自适应的核密度估计(Kerneldensityestimation,KDE)运动检测算法.算法首先提出一种自适应前景、背景阈值的双阈值选择方法,用于像素分类.该方法用双阈值克服了单阈值分类存在的不足,阈值的选择能自适应进行,且能适应不同的场景.在此基础上,本文提出了基于概率的背景更新模型,按照像素的概率来更新背景,并利用帧间差分背景模型和KD
2、E分类结果解决背景更新中的死锁问题,同时检测背景的突然变化.实验证明了所提出方法的适应性和可靠性.关键词核密度估计,运动检测,自适应背景/前景阈值,突变背景中图分类号TP391.4AdaptiveKernelDensityEstimationforMotionDetection1;211XUDong-BinHUANGLeiLIUChang-PingAbstractThispaperproposedamethodofadaptivekerneldensityestimation(KDE)formotiondetection.To
3、beginwith,anapproachforadaptiveselectingthresholdsofforegroundandbackgroundwasproposed.Byusingthetwothresholds,theapproachcanovercomedefectsofusingonlyonethreshold.Moreimportantly,thesetwothresholdscanbeselectedautomaticallyandtheyareindependentofscenes.Meanwhile,ab
4、ackgroundmodelupdatedaccordingtoprobabilitywasalsoprovided.Thebackgroundmodelofinter-framedi®erenceincorporatedwithresultsofKDEcansolvedeadlocksituationsinbackgroundmodel.Itcanalsobeusedtodetectsuddenlychangedbackground.Experimentalresultsweregiventodemonstratethatt
5、heproposedalgorithmsaresuitableande®ectiveformotiondetection.KeywordsKerneldensityestimation(KDE),motiondetection,adaptivebackground/foregroundthreshold,suddenlychangedbackground从视频序列中分离出运动目标,是计算机视觉要多个高斯混合分布才能反映这种变化;左军毅等中的重要研究内容,可以应用到交通监测、行为识假设背景满足空间一致性,将背景复杂度用熵来描别和
6、人机交互等领域.背景减除技术(Background述,以此为纽带建立背景模型[9];Oliver等提出在整subtraction)是摄像机静止条件下的一种应用广泛幅图像上进行特征值分解,充分利用空间相关性[10],的运动检测技术,为此研究人员提出了不同的方取得了较好效果,但需耗费大量内存,且检测精度法[1].其中时间平均(Timeaverage)[2]是最简单的低于高斯混合模型[1];Elgammal等提出了基于核密方法,它对内存要求低,处理速度快;Lo和Velastin度估计的非参数背景模型[11],该方法能够适应不同采用最
7、近n帧的中值作为背景模型[3],这种方法在的场景,不同于GMM,它充分利用最近的历史帧信场景中存在多个运动目标或目标运动缓慢时,前景息来表示背景模型,能够适应复杂的像素分布密度,会污染背景;帧间差分(Inter-framedi®erence)信克服像素值在短时间内发生的频繁变化,因此能得息[4¡6]可以用来生成背景,这类方法能够应用于多到较准确的估计,但是文中通过给定的假正率(Per-个运动目标的场合,但更新率不容易选择;Colom-centageoffalsepositives)来选择阈值,需要有场景bari等把像素分布看作
8、高斯分布,对背景建模[7];的先验知识,对不同的场景需要人工干预进行重新Stau®er和Grimson用k个高斯混合分布(Gaus-选择;Mittal和Paragios根据设定的误报率(Falsesianmixturemodel,GMM)对每个像素进行建alarmrate)和
