实例介绍
【实例简介】
自适应高斯滤波算法，有效地提取出运动目标，能够实时检测
第1期 黄鑫娟等:自适应浥合高斯背景模型的运动目标检测方法 73 4.0363ms(c)和(d中右边过往车辆留下的痕迹比(b)中明当前帧像素点远离于背景帧像素点,应增大学习率α来适 大(已用矩形框表示出),且(d)耗时最多。结合结果图与耗应背景的改变,其次按式(12)计算学习率,最后将学习率a 时两方面得出本文初始化方法最优。 代入式(4)更新第一个匹配的高斯分布的参数,其余高斯分 24更新混合高斯模型参数 布的u,和02保持个变,o,按式(5)更新,期间修改式(4 模型更新的日的是适应背景变化维持背景稳定;模型更中均值和方差的学习率 新的最佳状态是均值真实地反映背景笮号的变化趋势,方差 Md扩=((x,y)+/(x-1y)+/(x+1y) 舵够保持稳定叫;模型更新的关键是高斯分布个数的选择和 /(xy-1)+/(x,y+1)/5-(B(x,y)+ 学习率的调整 B(x-l y)+B(x+Ly)+B(xy-l)+ 从式(4)中看出学习率β是由学习率α决定的。传统高 斯模型仅仅考虑单个像素点,忽略了像素点的邻域信息,这无 B(xy+1))/5 (11) 疑欠准确性。本文在文献[12]的基础上对α的选择加以改 a=005×(1-e (12) 进,仍然是对a进行在线更新。 确定前景 式(4)中B=an(!(x,y)11,04)计算6时必须先计 从 Stau ffer等人忑想6出发,循环计算像素点上有序高斯 算n(1(xy)14O运算过程耗时且占内存,鉴此考虑,分布的权值之和按照式(6)生成背景图像,本实验中r 本文采用文献12中的公式β=a知,此公式在计算时间07将当前帧与背景图像差分得到前景图像,此时得到的前 和所占内存上都优于传统方法。 景中包括运动目标、阴影和噪声点 木文模型更新步骤如下 26去除噪声点 1)高斯分布初始化与死配。用2个方差初值为30权重 前面提到的前景中包活噪声点,噪声点可分为孤立噪声 初值为αα0的高斯分布混合模拟像素点的背景值第一个点和运动目标内部噪声点,针对狐立噪声点,在前景区域计算 高斯分布的均值初始化为初始背景的像素值,第二个高斯分“白点”的8邻域中同属于“白点”的像素点个数,若小于4我 布的均值初始化为0按,,大小排列这2个高斯分布 们认为是噪声点,去除。对剩下的“白点”,再通过形态学的 并按式(3)进行匹配 先闭合后开启运算进行去除噪声。闭合运算可以填补运动目 2)针对与任一高斯分布都不匹配的像素点,新增一高斯 分布.该高斯分布的均值为当前像素的像素值,权重为 标点内部的碎化区域,但是不能消除周围孤立的噪声点,而开 启运算可以弥补其缺点,消除周围的噪声点,平滑目标的边 a001方差为30观察该像素点高斯分布个数,若小于5则 直接添加新增的高斯分布;若等于5(本文高斯分布最多为5界。一系列步骤完成后,剩下的白点中仅含有运动目标点和 个),则用新增的高斯分布替换最不可能代表背景的高斯分其阴影点,阴影点的去除有待进一步处玛 布其余高斯分布的以,和保持不变,按式(5)进行3实验分析 更新。 3)针对存在高斯分布与之匹配的像素点,采用四邻域思 图4是将本文方法与 p Kat trkupuy方法(简称P方 想在线更新参数。首先按式(11)估算当前帧与参考背景恢的法)对比的结果,两者之问的差别在图4中用矩形框表示。本 相似度,{xy)为当前帧像素值B(Axy)为参考背景帧像素文方法改进了初始背景的构建,根据邻域思想在线更新学习 值(若Adl∥越来越小,说明当前唢像素点接近于背景帧像素率;而P方法的思想是初始阶段利用足够的统计信息更新方 点,应诚小学习率α来稳定背景的改变,若△d越来越大,说程,达到一定帧数后利用普通迭代式更新方程 背景 直接背景差分 二值化后中值滤波 去除孤立噪声点 形态学处理 (b)P方法 (a)白天第45帧 背景 直接背景差分 二值化后中值滤波 去除孤立噪声点 形态学处理 c)本文方法 图4运动目标检测结果(I) 从图4图5图6的“背景”列中可以看出:P方法使车道结耒图中都比较淡.且从图4直接背景差分”列最小矩形框 线不连续,且夜晩场景下对路边标识牌处理也岀现边缘不连中可以看岀P方法使得车辆出现了断裂现象。为此,在二值 续的现象,这主要是由丁P方法后期使用普通迭代方程,不能化前景图像后进行中值滤波平滑噪声,车辆岀现了断裂,且夜 适应场景变化,本文自适应地调整学习率,产生的背景更接近晚时(如图6所示)P方法噪声点比本文方法多(主要由于P 于真实背景。在此基础上进行背景差分后,两者都将场景中方法后面阶段不能鲁棒性地适应场景变化),但100帧时(如 楼厉,導线场共中路灯数成的是:但这元素在本文bi图,5所示)方楼的声点比本方法少对图像 计算机应用 第30卷 中的噪声点,先计算“白点”及其邻域中“白点”的个数去除 从图4图5、图6的“形态学处理”列中得出,本文方法能 些孤立噪声点,最后使用形态学的先闭合后开启运算处理够自适应处理不同光照下的场景,结合对“白点”个数阈值化 结果。 和形态学运算,鲁棒性地去除了噪声点 背景 直接背景差分 值化后中值滤波 去除孤立噪声点 形态学处理 (b)P方法 (a)白天100赋 背景 直接背景差分 二值化后中值滤波 去除孤立噪声点 形态学处理 (c)本文方法 图5运动日标检测结果(I) 背景 直接背景差分 二值化后中值滤波去除孤立噪声点 形态学处理 (b)P方法 (a)夜晚85帧 背景 直接背景差分 二值化后中值滤波 去除孤立噪声点 形态学处理 (c)本文方法 图6运动目标检测结果(Ⅲ) estim ation and foreg round de tec tion using Kam an-filterng [EB/ 4结语 Ol].http://sendidisurgees/-it-vpc/matdocen/nOtas_prac 本文比较分析了初始背景的构建和模型更新中学习率的 ticas/TC-2/CRAM-95-Ridder-etal_ ps 调整,提岀了一种自适应混合高斯背景模邳的运动目标检测 15 WREN C R AZARBAYEJANI A. DARRELL A et al Pfind er 方決,该方法共需4个参数,分别为学习率a、确定背景的阈 Reattme track ng of the hun an body [J). IEEE Transactions on Pattem An alsis and M ach ne h telligence 1997,19(7): 780-785 值T1一值化的阈值2初始背景时帧间差分的阅值r3根据161 AUF FER C. GRMSON W E L. Adaptive background m iu re 邻域思想和当前帧与背景帧的相似度在线调整学习卒∝;T1 In olels br Tabl e lrackingIEB /OL F[ 2009-04-05 hlr i 由经验值得出;T2和T3由最大类间方差法实时确定。通过对 www.aimitcdu/projccte/vsam/publications/stauffr_cvpr98 这些参数的调整和实时地选择島斯分布个数,降低了传统方 track ndf 法的运算量,提高了其实时性和准确性。通过大量实验表明,[7 KAEW TRAKULPONG F, BOWDEN R. An im prov ed adap tive 该方法能够有效地检测出运动目标。 background m iurc m odel fr rcah tim c track ing w ith shadow dc tce- 参考文献: tionEb/oL1.[2009-05-101http://personaleesurreyac uk /Personal/R Bow den /pub licat ions/ avb 01/absoL. pf [1 CU ARA R, PICCARD IM, PRATIA. Detecting m ov ng ob 8]马义德,朱望飞,安世霞,等.改进的基于高斯混合模型的运动目 icts ghosts and sh adow s in vreo s tream SEB/OL][ 2009-05 标检测方法[小计算机应用,200727(10):2514-2546 15}hr//www.csltaer/~ffan/sAminar./am4/vie[9]徐慧.Visualc++数字图像实用工程案例精选[ML北京:人民 01233909pdf 邮电版社, 2|施毅基于视频的交通事件检测方法矿究D京:东南大学,[101史忠科,曹力交通图像检测与分析M北京科学出版社, 2007. 2007 3]|1 O BPL VELASTN SA. Autom at e congest on d etect in system|1刘洁张东来关于自适应高斯混合背景模型的更新算法的研究 br und erground platfoms[ C]//Proceedings of 2001 In temat ion J微计算机信息,20022(1):241-242 Sym pos im on Intelligen t M u ltm ed ia V ileo and Speech Processing [12] SHENG ZUNB NG, CU IX IANYU. A n adapt w e leam ing rate GMM Ne yo配EE2001:158-16 for background extrac tion[ J. O ecton ics Letters 20084(6) 41994-20'1MUnkEltO,KircHNerH.AdaptivcbackroupublishinghOuse.alLrightsreservedhttp://www.cnki.net DE 【实例截图】
【核心代码】
自适应高斯滤波算法，有效地提取出运动目标，能够实时检测
第1期 黄鑫娟等:自适应浥合高斯背景模型的运动目标检测方法 73 4.0363ms(c)和(d中右边过往车辆留下的痕迹比(b)中明当前帧像素点远离于背景帧像素点,应增大学习率α来适 大(已用矩形框表示出),且(d)耗时最多。结合结果图与耗应背景的改变,其次按式(12)计算学习率,最后将学习率a 时两方面得出本文初始化方法最优。 代入式(4)更新第一个匹配的高斯分布的参数,其余高斯分 24更新混合高斯模型参数 布的u,和02保持个变,o,按式(5)更新,期间修改式(4 模型更新的日的是适应背景变化维持背景稳定;模型更中均值和方差的学习率 新的最佳状态是均值真实地反映背景笮号的变化趋势,方差 Md扩=((x,y)+/(x-1y)+/(x+1y) 舵够保持稳定叫;模型更新的关键是高斯分布个数的选择和 /(xy-1)+/(x,y+1)/5-(B(x,y)+ 学习率的调整 B(x-l y)+B(x+Ly)+B(xy-l)+ 从式(4)中看出学习率β是由学习率α决定的。传统高 斯模型仅仅考虑单个像素点,忽略了像素点的邻域信息,这无 B(xy+1))/5 (11) 疑欠准确性。本文在文献[12]的基础上对α的选择加以改 a=005×(1-e (12) 进,仍然是对a进行在线更新。 确定前景 式(4)中B=an(!(x,y)11,04)计算6时必须先计 从 Stau ffer等人忑想6出发,循环计算像素点上有序高斯 算n(1(xy)14O运算过程耗时且占内存,鉴此考虑,分布的权值之和按照式(6)生成背景图像,本实验中r 本文采用文献12中的公式β=a知,此公式在计算时间07将当前帧与背景图像差分得到前景图像,此时得到的前 和所占内存上都优于传统方法。 景中包括运动目标、阴影和噪声点 木文模型更新步骤如下 26去除噪声点 1)高斯分布初始化与死配。用2个方差初值为30权重 前面提到的前景中包活噪声点,噪声点可分为孤立噪声 初值为αα0的高斯分布混合模拟像素点的背景值第一个点和运动目标内部噪声点,针对狐立噪声点,在前景区域计算 高斯分布的均值初始化为初始背景的像素值,第二个高斯分“白点”的8邻域中同属于“白点”的像素点个数,若小于4我 布的均值初始化为0按,,大小排列这2个高斯分布 们认为是噪声点,去除。对剩下的“白点”,再通过形态学的 并按式(3)进行匹配 先闭合后开启运算进行去除噪声。闭合运算可以填补运动目 2)针对与任一高斯分布都不匹配的像素点,新增一高斯 分布.该高斯分布的均值为当前像素的像素值,权重为 标点内部的碎化区域,但是不能消除周围孤立的噪声点,而开 启运算可以弥补其缺点,消除周围的噪声点,平滑目标的边 a001方差为30观察该像素点高斯分布个数,若小于5则 直接添加新增的高斯分布;若等于5(本文高斯分布最多为5界。一系列步骤完成后,剩下的白点中仅含有运动目标点和 个),则用新增的高斯分布替换最不可能代表背景的高斯分其阴影点,阴影点的去除有待进一步处玛 布其余高斯分布的以,和保持不变,按式(5)进行3实验分析 更新。 3)针对存在高斯分布与之匹配的像素点,采用四邻域思 图4是将本文方法与 p Kat trkupuy方法(简称P方 想在线更新参数。首先按式(11)估算当前帧与参考背景恢的法)对比的结果,两者之问的差别在图4中用矩形框表示。本 相似度,{xy)为当前帧像素值B(Axy)为参考背景帧像素文方法改进了初始背景的构建,根据邻域思想在线更新学习 值(若Adl∥越来越小,说明当前唢像素点接近于背景帧像素率;而P方法的思想是初始阶段利用足够的统计信息更新方 点,应诚小学习率α来稳定背景的改变,若△d越来越大,说程,达到一定帧数后利用普通迭代式更新方程 背景 直接背景差分 二值化后中值滤波 去除孤立噪声点 形态学处理 (b)P方法 (a)白天第45帧 背景 直接背景差分 二值化后中值滤波 去除孤立噪声点 形态学处理 c)本文方法 图4运动目标检测结果(I) 从图4图5图6的“背景”列中可以看出:P方法使车道结耒图中都比较淡.且从图4直接背景差分”列最小矩形框 线不连续,且夜晩场景下对路边标识牌处理也岀现边缘不连中可以看岀P方法使得车辆出现了断裂现象。为此,在二值 续的现象,这主要是由丁P方法后期使用普通迭代方程,不能化前景图像后进行中值滤波平滑噪声,车辆岀现了断裂,且夜 适应场景变化,本文自适应地调整学习率,产生的背景更接近晚时(如图6所示)P方法噪声点比本文方法多(主要由于P 于真实背景。在此基础上进行背景差分后,两者都将场景中方法后面阶段不能鲁棒性地适应场景变化),但100帧时(如 楼厉,導线场共中路灯数成的是:但这元素在本文bi图,5所示)方楼的声点比本方法少对图像 计算机应用 第30卷 中的噪声点,先计算“白点”及其邻域中“白点”的个数去除 从图4图5、图6的“形态学处理”列中得出,本文方法能 些孤立噪声点,最后使用形态学的先闭合后开启运算处理够自适应处理不同光照下的场景,结合对“白点”个数阈值化 结果。 和形态学运算,鲁棒性地去除了噪声点 背景 直接背景差分 值化后中值滤波 去除孤立噪声点 形态学处理 (b)P方法 (a)白天100赋 背景 直接背景差分 二值化后中值滤波 去除孤立噪声点 形态学处理 (c)本文方法 图5运动日标检测结果(I) 背景 直接背景差分 二值化后中值滤波去除孤立噪声点 形态学处理 (b)P方法 (a)夜晚85帧 背景 直接背景差分 二值化后中值滤波 去除孤立噪声点 形态学处理 (c)本文方法 图6运动目标检测结果(Ⅲ) estim ation and foreg round de tec tion using Kam an-filterng [EB/ 4结语 Ol].http://sendidisurgees/-it-vpc/matdocen/nOtas_prac 本文比较分析了初始背景的构建和模型更新中学习率的 ticas/TC-2/CRAM-95-Ridder-etal_ ps 调整,提岀了一种自适应混合高斯背景模邳的运动目标检测 15 WREN C R AZARBAYEJANI A. DARRELL A et al Pfind er 方決,该方法共需4个参数,分别为学习率a、确定背景的阈 Reattme track ng of the hun an body [J). IEEE Transactions on Pattem An alsis and M ach ne h telligence 1997,19(7): 780-785 值T1一值化的阈值2初始背景时帧间差分的阅值r3根据161 AUF FER C. GRMSON W E L. Adaptive background m iu re 邻域思想和当前帧与背景帧的相似度在线调整学习卒∝;T1 In olels br Tabl e lrackingIEB /OL F[ 2009-04-05 hlr i 由经验值得出;T2和T3由最大类间方差法实时确定。通过对 www.aimitcdu/projccte/vsam/publications/stauffr_cvpr98 这些参数的调整和实时地选择島斯分布个数,降低了传统方 track ndf 法的运算量,提高了其实时性和准确性。通过大量实验表明,[7 KAEW TRAKULPONG F, BOWDEN R. An im prov ed adap tive 该方法能够有效地检测出运动目标。 background m iurc m odel fr rcah tim c track ing w ith shadow dc tce- 参考文献: tionEb/oL1.[2009-05-101http://personaleesurreyac uk /Personal/R Bow den /pub licat ions/ avb 01/absoL. pf [1 CU ARA R, PICCARD IM, PRATIA. Detecting m ov ng ob 8]马义德,朱望飞,安世霞,等.改进的基于高斯混合模型的运动目 icts ghosts and sh adow s in vreo s tream SEB/OL][ 2009-05 标检测方法[小计算机应用,200727(10):2514-2546 15}hr//www.csltaer/~ffan/sAminar./am4/vie[9]徐慧.Visualc++数字图像实用工程案例精选[ML北京:人民 01233909pdf 邮电版社, 2|施毅基于视频的交通事件检测方法矿究D京:东南大学,[101史忠科,曹力交通图像检测与分析M北京科学出版社, 2007. 2007 3]|1 O BPL VELASTN SA. Autom at e congest on d etect in system|1刘洁张东来关于自适应高斯混合背景模型的更新算法的研究 br und erground platfoms[ C]//Proceedings of 2001 In temat ion J微计算机信息,20022(1):241-242 Sym pos im on Intelligen t M u ltm ed ia V ileo and Speech Processing [12] SHENG ZUNB NG, CU IX IANYU. A n adapt w e leam ing rate GMM Ne yo配EE2001:158-16 for background extrac tion[ J. O ecton ics Letters 20084(6) 41994-20'1MUnkEltO,KircHNerH.AdaptivcbackroupublishinghOuse.alLrightsreservedhttp://www.cnki.net DE 【实例截图】
【核心代码】
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论