針對高速公路拋灑物檢測中傳統(tǒng)的固定背景建模方法容易因開放環(huán)境變化產生大量的前景噪聲,動態(tài)背景建模方法容易因拋灑物的靜止特性導致前景對象快速融入背景,提出基于背景分離高斯混合模型（BS-GMM）的動態(tài)背景建模方法.該方法對傳統(tǒng)高斯混合模型的背景劃分和模型匹配方法進行改進,設計基于像素點的高斯分布背景模型權值的衰減狀況進行背景建模和背景更新的方法,既能減少開放環(huán)境大量環(huán)境噪聲的影響,也能對拋灑物快速進入靜止狀態(tài)后的準確檢測,在計算性能上能夠達到實時檢測的效果.實驗結果證明,BS-GMM方法在拋灑物檢測過程中產生的噪聲數(shù)量比其他方法少,且對靜止超過20 s的物體能夠作為前景目標提取,因此能夠有效地應用于高速公路拋灑物的準確識別. 

【文章來源】：浙江大學學報(工學版). 2020,54(07)北大核心EICSCD

【文章頁數(shù)】：7 頁

【參考文獻】：
期刊論文
[1]城市道路視頻中小像素目標檢測[J]. 金瑤,張銳,尹東.  光電工程. 2019(09)
[2]高速公路拋灑物事件圖像檢測算法[J]. 汪貴平,馬力旺,郭璐,王會峰,張弢.  長安大學學報(自然科學版). 2017(05)
[3]實時的靜止目標與鬼影檢測及判別方法[J]. 葉芳芳,許力.  浙江大學學報(工學版). 2015(01)
[4]一種基于碼本背景模型的運動目標檢測方法[J]. 趙占杰,林小竹,張金燕.  北京石油化工學院學報. 2010(01)
[5]混合高斯模型和幀間差分相融合的自適應背景模型[J]. 劉鑫,劉輝,強振平,耿續(xù)濤.  中國圖象圖形學報. 2008(04)
[6]基于改進的混合高斯模型的運動目標檢測[J]. 陳祖爵,陳瀟君,何鴻.  中國圖象圖形學報. 2007(09)



本文編號：3146901