本文關(guān)鍵詞：自適應(yīng)鄰域相關(guān)性的背景建模

  更多相關(guān)文章： 混合高斯模型 Codebook算法 背景建模 自適應(yīng)鄰域 像素點

【摘要】：目的背景建模在計算機視覺領(lǐng)域中是檢測、跟蹤、行為學(xué)習(xí)和識別的基礎(chǔ),被廣泛地應(yīng)用于視頻監(jiān)控的運動目標(biāo)檢測。混合高斯(MOG)和Codebook是其中具有代表性的方法,但它們假設(shè)像素點間信息是獨立的,只保留了時域信息而忽略了空域信息,使得模型對背景的描述局限于時間上的連續(xù)性。針對上述問題,提出了一種自適應(yīng)鄰域相關(guān)性的背景建模方法(ANC)。方法 ANC在保留原始方法時域信息建模特性的同時,增加對鄰域模型的復(fù)用,同時利用計算結(jié)果反饋自適應(yīng)調(diào)整鄰域區(qū)域,提高對前景值判斷的準(zhǔn)確性。首先利用原始基于像素點的背景建模方法進行候選前景檢測,然后將候選前景檢測結(jié)果為前景點的像素與鄰域像素點模型進行對比,若鄰域范圍存在匹配則為背景點,若不存在則為前景點;最后引入像素置信度概念,自適應(yīng)調(diào)整鄰域范圍的大小。結(jié)果與MOG和Codebook相比,在changedetection標(biāo)準(zhǔn)數(shù)據(jù)庫上,ANC在ROC(受試者工作特征曲線)和度量值等方面的平均精度和F-measure都提高了7%以上。結(jié)論自適應(yīng)鄰域相關(guān)性的背景建模方法適用于復(fù)雜多模態(tài)背景,克服了基于像素點背景建模方法假設(shè)的局限性。與普通基于像素點的背景建模方法相比,具有更好的魯棒性和抗噪性,對復(fù)雜背景具有更強的適應(yīng)性。
【作者單位】： 重慶大學(xué)軟件學(xué)院;
【關(guān)鍵詞】： 混合高斯模型 Codebook算法 背景建模 自適應(yīng)鄰域 像素點
【基金】：國家高技術(shù)研究發(fā)展計劃(863)基金項目(2015AA021104) 中央高校基本科研基金項目(CDJZR12090003) 重慶市研究生科研創(chuàng)新項目資助(CYS14034)~~
【分類號】：TP391.41
【正文快照】： 第21卷/第9期/2016年9月萬劍,洪明堅,趙晨丘/自適應(yīng)鄰域相關(guān)性的背景建模0引言背景建模是對靜態(tài)攝像頭拍攝的圖像序列提取運動目標(biāo)的常用手段[1-2],近些年學(xué)者們根據(jù)不同的應(yīng)用場景和方法路線提出了許多不同的背景建模方法,主要可分為兩大類:基于像素和基于塊的背景建模[3-6]，

本文編號：588340