基于SILTP纹理信息的运动目标检测算法.pdf

基于SILTP纹理信息的运动目标检测算法.pdf

ID:57779972

大小:636.36 KB

页数:5页

时间:2020-09-02

基于SILTP纹理信息的运动目标检测算法.pdf_第1页
基于SILTP纹理信息的运动目标检测算法.pdf_第2页
基于SILTP纹理信息的运动目标检测算法.pdf_第3页
基于SILTP纹理信息的运动目标检测算法.pdf_第4页
基于SILTP纹理信息的运动目标检测算法.pdf_第5页
资源描述:

《基于SILTP纹理信息的运动目标检测算法.pdf》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第41卷第4期计算机科学Vol.41No.42014年4月ComputerScienceApr2014基于SILTP纹理信息的运动目标检测算法杨国亮周丹张进辉(江西理工大学电气工程与自动化学院赣州341000)摘要精确的运动目标检测是许多视频分析技术的前提。提出了一种基于背景减除的运动目标检测算法,该算法利用尺度不变三值模式(SILTP)进行纹理特征变换,并对视频序列的第一帧进行快速的背景模型初始化。对于背景模型的建立,直接采用SILTP纹理特征值,而不是计算其像素分布。最后结合像素的空间信息,采用随机替代的策略来更新背景模型。在wallflower测

2、试集上的测试结果表明,与其他算法相比,该算法在满足实时性的基础上具有很好的检测效果,特别是在阴影的去除及光照的突变上有很好的鲁棒性。关键词运动目标检测,背景减除,尺度不变三值模式,纹理,背景模型中图法分类号TP391.41文献标识码AMovingObjectDetectionAlgorithmUsingSILTPTextureInformationYANGGuo-liangZHOUDanZHANGJin-hui(SchoolofElectricalEngineeringandAutomation,JiangxiUniversityofSciencean

3、dTechnology,Ganzhou341000,China)AbstractAccuratedetectionofthemovingobjectisthepre-stepofmanyvideoanalysistechnology.Thispaperputfor-wardamovingobjectdetectionalgorithmbasedonbackgroundsubtraction,whichtransformstexturefeatureusingascalevariantlocalternarypatternoperation(SILTP)

4、,andinitializesthebackgroundmodelbyusingthecomposedtex-turevaluedirectlyforthefirstframeofvideosequences,ratherthancomputingthedistribution,finallyupdatesthebackgroundmodelcombiningrandomlysubstitutestrategywithspaceinformationofthepixels.Thetestingresultsonthewallflowerdatasets

5、howthatthisalgorithmhasbetterdetectionresultscomparedwiththeotherones,notonlysa-tisfiesforreal-time,butalsohasastrongrobustnessinshadowsuppressionandilluminationvariation.KeywordsMovingobjectdetection,Backgroundsubtraction,Scaleinvariantlocalpattern(SILTP),Texture,Back-groundmod

6、el机适应性,在室外环境效果不是很好。对此,StaufferC等人1引言根据在室外环境下每个像素点的动态分布为多峰的(Multi-[3],该方法随着计算机视觉、人工智能和图像处理等研究领域的火modal),提出了混合高斯模型(MOG)的建模方法热发展,目标检测技术作为其基本处理部分,已经成为一个非能够较好地适应多峰场景及光照的变化,成为比较经典的背常活跃的研究方向,也是实现目标行为理解及更高一级任务景建模方法之一。混合高斯虽然解决了光照渐变、背景运动等问题,但是对于背景快速变化及缓慢运动的目标会存在漏的基础,实现运动目标的准确快速检测具有重要的实际意义

7、[1]检及误检。因此,ElgammalA等人提出一种非参数的核密度和应用价值。常用的方法有光流法、帧差法和背景减除法[4],该方法不假设数据服从何种分布,直接根估计(KDE)方法等3种:光流法计算复杂,抗噪性能差,一般不满足全帧视频据数据来推测分布,该方法的最大优点是对更新速率不敏感。流的实时性;帧差法实时性好,但是检测目标位置不精确,不然而,以上方法大部分是对单个像素在时间域上的统计能提取出较完整的运动目标,对物体运动速度的要求比较高;建模,忽略了邻域像素间的空间分布相关性,导致了背景模型背景减除法相对于光流法和帧差法具有运算速度快、定位准不能准确地

8、刻画运动物体的本质属性。近年来,局部二值模确等特点,但是受场景光照变化、背景扰动等因素的影响较

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。