自适应背景混合模型课件_第1页
自适应背景混合模型课件_第2页
自适应背景混合模型课件_第3页
自适应背景混合模型课件_第4页
自适应背景混合模型课件_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、朱璐敏自适应背景实时跟踪混合模型自适应背景实时跟踪混合模型运动检测 目前运动物体检测的问题主要分为两类： 摄像机运动：光流法 通过求解偏微分方程求的图像序列的光流场，从而预测摄像机的运动状态 摄像机固定：背景减法 在摄像机固定的情况下，背景的变化是缓慢的，而且大都是光照，风等等的影响，通过对背景建模，对一幅给定图像分离前景和背景，一般来说，前景就是运动物体，从而达到运动物体检测的目的。背景图像减法 获取场景的一帧的参考图像 实时拍摄的一帧新图像与之相减 对差图像取阈值 得到一副从固定背景中分割出来的二值化图像背景图像减除法的关键问题 如何建立背景模型和实时更新模型参数以适应背景变化 这些背景变

2、化包括： 场景的光照变化 场景构成的改变 如阳光强弱和方向的改变、照明灯具的开关、背景中物体的微小移动(树枝的随风摆动)、人或其他物体进入或移除场景等卡尔曼滤波器、单高斯、混合高斯模型卡尔曼滤波器、单高斯、混合高斯模型单分布高斯背景模型 单分布高斯背景模型认为，对一个背景图像，特定像素亮度的分布满足高斯分布，即对背景图像B，(x,y)点的亮度满足： IB(x,y) N(u,d) 这样我们的背景模型的每个象素属性包括两个参数：平均值u 和 方差d。 对于一幅给定的图像G，如果 Exp(-(IG(x,y)-u(x,y)2/(2*d2) T，认为(x,y)是背景点，反之是前景点。 同时，随着时间的变

3、化，背景图像也会发生缓慢的变化，这时我们要不断更新每个象素点的参数 u(t+1,x,y) = a*u(t,x,y) + (1-a)*I(x,y) 这里，a称为更新参数，表示背景变化的速度，一般情况下，我们不更新d（实验中发现更不更新d，效果变化不大）。自适应混合高斯背景模型参数像素在t时刻的值权系数估计值协方差矩阵高斯分布的概率密度函数混合高斯模型的参数更新 每个高斯模型的权值和均向量都初始化为0 协方差赋予一个较大的初始值K 在时刻t，对图像帧的每个像素值Xt和它对应的混合高斯模型进行匹配检验匹配检验： 如果像素值Xt与混合高斯模型中第i个高斯分布Gi均值的距离小于其标准差的25倍，则定义该高斯分布Gi与像素值Xt匹配。混合高斯模型的参数更新混合高斯模型的参数更新背景模型估计及运动分割 每个像素的模型更新后 确定哪些高斯分布能最佳描述背景过程 按 的从大到小将每

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论