一种改进的混合高斯模型运动目标检测算法

一种改进的混合高斯模型运动目标检测算法

ID:9851360

大小:712.96 KB

页数:4页

时间:2018-05-12

一种改进的混合高斯模型运动目标检测算法_第1页
一种改进的混合高斯模型运动目标检测算法_第2页
一种改进的混合高斯模型运动目标检测算法_第3页
一种改进的混合高斯模型运动目标检测算法_第4页
资源描述:

《一种改进的混合高斯模型运动目标检测算法》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、一种改进的混合高斯模型运动目标检测算法任克强,余启明,罗会兰(江西理工大学信息工程学院,江西赣州341000)【摘要】针对传统混合高斯模型使用固定学习速率所带来的问题,提出了一种改进的运动目标检测算法。该算法采用自适应的学习速率调整策略,在背景建模初期,采用较大的学习速率加快初始背景的建模,使得模型能更快地适应背景的变化;背景形成以后,根据目标运动的快慢动态调整学习速率,从而能够及时更新背景,消除运动目标的残留和拖影;最后利用基于HSV颜色空间的阴影检测算法消除运动阴影。实验结果表明,改进算法优于

2、传统混合高斯模型,可以更准确地检测出运动目标,更好地消除阴影,并具有较好的自适应性和稳健性。【关键词】运动目标检测;混合高斯模型;学习速率;阴影抑制【中图分类号】TP391.4【文献标识码】AImprovedAlgorithmofMovingObjectsDetectionBasedonGaussianMixtureModelRENKeqiang,YUQiming,LUOHuilan(SchoolofInformationEngineering,JiangxiUniversityofScience

3、andTechnology,JiangxiGanzhou341000,China)【Abstract】TosolvetheproblemoftraditionalGaussianmixturemodelusingafixedlearningrate,animprovedalgorithmofmovingobjectsdetectionisproposed.Thealgorithmadoptsadaptiveadjustmentstrategyforlearningrate.Earlyintheba

4、ckgroundmodeling,alargerlearningrateisadoptedtoac-celeratethebackgroundmodeling,soastomakeforthemodeladaptingthechangeofbackgroundsfaster.Afterbackgroundisformed,thelearningrateisdynamicallyadjustedbythemovingspeedofobjects,whichcanupdatethebackground

5、ttimely,andeliminatetheresidualobjectsandsmear.Finally,movingshadowsareeliminatedbytheshadowdetectingalgorithmbasedonHSVcolorspace.TheexperimentalresultsshowthattheimprovedalgorithmisbetterthantraditionalGaussianmixturemodel.Itcanmoreaccuratelydetectm

6、ovingtargetsandeliminateshadowspreferably,andhasbetteradaptabil-ityandrobustness.【Keywords】movingobjectsdetection;Gaussianmixturemodel;learningrate;shadowsuppression运动目标检测是计算机视觉领域中的一个重要内容,其检测效果将会对目标跟踪与识别造成一定的影响[1]。目前较为常用的运动目标检测方法有光流法[2]、帧间差分法[3]和背景减法[

7、4]。目前,常见的背景建模方法有均值滤波、线性预测、W4方法、高斯模型法[5-6]及核密度估计法[7]等。Stauffer和Grimson[5]提出的混合高斯建模(GaussianMixtureModel,GMM)是在户外运动目标检测中应用较多的背景建模方法。刘鑫等[8]将GMM与帧间差分相结合来更新高斯模型的学习速率,增强混合高斯模型处理运动干扰和多层背景的能力。马义德等[9]提出均值与方差采用不同的学习率,其中均值更新采用自适应的学习速率,方差的学习率取固定值的方法,以解决GMM方法中均值和方

8、差自适应性慢等缺点,但对背景更新过慢造成的“拖影”问题处理并不理想。本文对GMM方法进行了改进,将背景建模分为背景初始和背景稳固两个阶段,分别采用不同的自适应策略来更新学习速率,并在HSV空间进行阴影检测和抑制。1混合高斯模型混合高斯模型使用K个高斯模型来表征图像中各个像素点的特征,在获得一帧新的图像后,更新混合高斯模型,采用匹配的方法来判断某像素点是否是背景点。混合高斯模型进行运动目标检测主要包括以下几个步骤:背景建模、参数更新、背景模型的生成以及运动目标的提取。背景建模对视频图

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。