資源描述：
《基于高斯混合模型的運動目標檢測.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、2015年10月機械設(shè)計與制造工程0ct．2015第44卷第10期MachineDesignandManufacturingEngineeringVo1．44No．10DOI：10．3969／j．issn．2095—509X．2015．10．014基于高斯混合模型的運動目標檢測李燦，丁學(xué)文(天津職業(yè)技術(shù)師范大學(xué)電子工程學(xué)院，天津300222)摘要：首先介紹了運用高斯混合模型檢測運動目標的原理和方法；然后根據(jù)檢測過程中出現(xiàn)的失真、陰影干擾等問題對高斯混合模型進行了改進，即通過選取合適的背景更新速率來改善檢測失真問題，通過
2、將RGB彩色向量轉(zhuǎn)換為HVS彩色向量來消除陰影干擾。對比改進前后的實驗結(jié)果可知，通過改進可以使背景模型更好地適應(yīng)有干擾的環(huán)境，能較為完整地提取出運動目標并減少目標陰影給檢測帶來的干擾。關(guān)鍵詞：目標檢測；高斯混合模型；背景更新率；陰影消除中圖分類號：TP391文獻標志碼：A文章編號：2095—509X(2015)10—0061—04目標檢測技術(shù)在視頻監(jiān)控系統(tǒng)智能化中起著重要的作用，同時也是目標跟蹤、目標分類和行為理解等更高層次處理算法的基礎(chǔ)J。由于后續(xù)算圖1基于高斯混合模型的目標檢測系統(tǒng)框圖法的準確度受到目標檢測結(jié)果的影
3、響，目標檢測方法也獨立地應(yīng)用在多個領(lǐng)域的檢測過程中，所以，時，對于視頻中的t時刻，圖像中每個像素點的特良好的目標檢測技術(shù)在智能視頻監(jiān)控系統(tǒng)中占據(jù)征用i～K個高斯分布描述可得J：著舉足輕重的地位。在眾多目標檢測算法中，高斯，．1p(X)=——·混合模型因其具有背景干凈、設(shè)置參數(shù)少、擬合性．(21T)l．l好、結(jié)構(gòu)簡單、可適用領(lǐng)域廣泛等突出優(yōu)點，在交e一寺(Xt-Igi，t)’0。(Xt-(n=3)(1)通、醫(yī)療、通信等眾多領(lǐng)域中被廣泛使用_2J，所以K筆者選擇高斯混合模型的算法檢測運動目標。式中：i．1為高斯分布的權(quán)重，
4、且∑∞=1；置=‘=l[，，]T，為像素的RGB彩色向量；／tf．1=[：1高斯混合模型建模方法，，]，為均值向量；=2，In，為協(xié)方差矩依據(jù)視頻圖像的灰度直方圖，可以把某一個灰陣，其中．為像素方差。接下來，用高斯混合模度值產(chǎn)生的頻次大致認為是該圖像灰度的高斯分型對目標進行檢測，整個過程分為模型初始化、模布。這些分布中，由于背景和目標存在差異，可以型更新、背景估計與前景分割l4]。將這些高斯分布分為背景描述分布和前景描述分1)模型初始化。布。實際應(yīng)用中攝像頭捕捉到的視頻圖像比較復(fù)對視頻圖像的第一幀中各個像素點的彩色向雜
5、，背景中有可能存在目標運動或背景晃動、光照量值進行復(fù)位操作，創(chuàng)建每個對應(yīng)像素的個高變化等情況，對應(yīng)的圖像的像素區(qū)域就會呈現(xiàn)出多斯分布的平均值，對每一個高斯分布都賦予指定的個峰值的特性，可以認為此特性是幾個高斯分布相方差(數(shù)值3O)并且讓它們的權(quán)重都一樣]。疊加共同作用的結(jié)果并將其稱為高斯混合模2)模型更新。型-3J。通過當(dāng)前圖像與當(dāng)前時刻的背景進行加權(quán)當(dāng)計算下一幀圖像時，把其中的每一個新像素平均從而更新背景，如圖1所示，其中高斯分布的置與當(dāng)前的個高斯分布的均值參照式(2)分別數(shù)目常用來表示，一般是3～7個。進行匹配。假
6、如成立，那么就與所述模型中第i運用高斯混合模型對視頻中的目標進行檢測個高斯分布匹配，如果沒有成立的話，那么就不匹收稿日期：2015—09—06作者簡介：李燦(1989一)，女，河南南陽人，天津職業(yè)技術(shù)師范大學(xué)碩士研究生，主要研究方向為數(shù)字圖像處理。·61·
