資源描述：
《基于高斯混合模型的運(yùn)動(dòng)目標(biāo)檢測(cè).pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、2015年10月機(jī)械設(shè)計(jì)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(yùn)動(dòng)目標(biāo)檢測(cè)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(yùn)用高斯混合模型檢測(cè)運(yùn)動(dòng)目標(biāo)的原理和方法；然后根據(jù)檢測(cè)過(guò)程中出現(xiàn)的失真、陰影干擾等問(wèn)題對(duì)高斯混合模型進(jìn)行了改進(jìn)，即通過(guò)選取合適的背景更新速率來(lái)改善檢測(cè)失真問(wèn)題，通過(guò)
2、將RGB彩色向量轉(zhuǎn)換為HVS彩色向量來(lái)消除陰影干擾。對(duì)比改進(jìn)前后的實(shí)驗(yàn)結(jié)果可知，通過(guò)改進(jìn)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(yùn)動(dòng)目標(biāo)并減少目標(biāo)陰影給檢測(cè)帶來(lái)的干擾。關(guān)鍵詞：目標(biāo)檢測(cè)；高斯混合模型；背景更新率；陰影消除中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼：A文章編號(hào)：2095—509X(2015)10—0061—04目標(biāo)檢測(cè)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(shí)也是目標(biāo)跟蹤、目標(biāo)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(biāo)檢測(cè)系統(tǒng)框圖法的準(zhǔn)確度受到目標(biāo)檢測(cè)結(jié)果的影
3、響，目標(biāo)檢測(cè)方法也獨(dú)立地應(yīng)用在多個(gè)領(lǐng)域的檢測(cè)過(guò)程中，所以，時(shí)，對(duì)于視頻中的t時(shí)刻，圖像中每個(gè)像素點(diǎn)的特良好的目標(biāo)檢測(cè)技術(shù)在智能視頻監(jiān)控系統(tǒng)中占據(jù)征用i～K個(gè)高斯分布描述可得J：著舉足輕重的地位。在眾多目標(biāo)檢測(cè)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(jiǎn)單、可適用領(lǐng)域廣泛等突出優(yōu)點(diǎn)，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(cè)運(yùn)動(dòng)目標(biāo)。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(gè)灰陣，其中．為像素方差。接下來(lái)，用高斯混合模度值產(chǎn)生的頻次大致認(rèn)為是該圖像灰度的高斯分型對(duì)目標(biāo)進(jìn)行檢測(cè)，整個(gè)過(guò)程分為模型初始化、模布。這些分布中，由于背景和目標(biāo)存在差異，可以型更新、背景估計(jì)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(shí)際應(yīng)用中攝像頭捕捉到的視頻圖像比較復(fù)對(duì)視頻圖像的第一幀中各個(gè)像素點(diǎn)的彩色向雜
5、，背景中有可能存在目標(biāo)運(yùn)動(dòng)或背景晃動(dòng)、光照量值進(jìn)行復(fù)位操作，創(chuàng)建每個(gè)對(duì)應(yīng)像素的個(gè)高變化等情況，對(duì)應(yīng)的圖像的像素區(qū)域就會(huì)呈現(xiàn)出多斯分布的平均值，對(duì)每一個(gè)高斯分布都賦予指定的個(gè)峰值的特性，可以認(rèn)為此特性是幾個(gè)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(guò)當(dāng)前圖像與當(dāng)前時(shí)刻的背景進(jìn)行加權(quán)當(dāng)計(jì)算下一幀圖像時(shí)，把其中的每一個(gè)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(gè)高斯分布的均值參照式(2)分別數(shù)目常用來(lái)表示，一般是3～7個(gè)。進(jìn)行匹配。假
6、如成立，那么就與所述模型中第i運(yùn)用高斯混合模型對(duì)視頻中的目標(biāo)進(jìn)行檢測(cè)個(gè)高斯分布匹配，如果沒(méi)有成立的話，那么就不匹收稿日期：2015—09—06作者簡(jiǎn)介：李燦(1989一)，女，河南南陽(yáng)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?yàn)閿?shù)字圖像處理?！?1·
