复杂条件下高斯混合模型的自适应背景更新精选文档Word下载.docx
- 文档编号:17452325
- 上传时间:2022-12-01
- 格式:DOCX
- 页数:8
- 大小:97.72KB
复杂条件下高斯混合模型的自适应背景更新精选文档Word下载.docx
《复杂条件下高斯混合模型的自适应背景更新精选文档Word下载.docx》由会员分享,可在线阅读,更多相关《复杂条件下高斯混合模型的自适应背景更新精选文档Word下载.docx(8页珍藏版)》请在冰豆网上搜索。
thetargetregionwasmainlydiscussed,andthemethodthatadjustedthebackgroundupdaterateofthetargetregionaccordingtothetarget'
scharacteristicparameters,suchassize,velocityofmovementandmatchtimeswasproposed.
Thesimulationresultsshowthatthealgorithmnotonlyguaranteestheintegrityoftargetdetection,butalsoimprovestheadaptationofmodeltobackgroundchanges.
i=r
基于背景建模的视频运动目标检测方法中,高斯混合模型
1]是一种重要的背景建模方法。
该方法利用多个高斯分布建
立背景模型,通过背景更新不断调整背景模型中高斯分布的组成,因而具有一定的场景适应能力。
然而在实际的目标检测过程中,由于环境的复杂性[8],高斯混合模型背景更新中的部分
问题仍然没有得到较好的解决,表现为:
1)光照突变或摄像机
抖动等造成的大面积虚假目标;
2)当目标面积大、运动缓慢或暂时性停止时,目标在背景更新时融入到背景中,造成检测目标不完整或消失;
3)运动目标长时间停止运动时,如何尽快地将停止
成为运
目标融合成为背景;
4)背景中的部分静止物体开始运动,动目标,此时的背景显露区被检测为目标的一部分,如何尽快地将背景显露区更新为背景。
这些问题的解决将大大提高模型的适应能力和目标检测的
效果,因此,当前很多文献对高斯混合模型更新算法进行研究和改进。
为解决问题1),文献[2]提出对运动目标进行合理性
判断来调整更新速率,文献[3]则提出丢弃光照突变时的3〜5
帧数据,等到变化结束时再重新初始化背景模型的方法。
相对而言,文献[2]提出的方法适时性更好,且不易丢失信息。
为解
决问题2),文献[6-7]提出分区域设置背景更新速率的算法,
但两文中提到的方法对当前目标区域采取不更新的策略,不能解决目标长久停止运动时如何快速更新成为背景的问题,引发问题
3)。
为解决问题3)和4),文献[4-5]采用调整模式个数和
学习速率的方法提高模型对背景变化的适应能力,但容易将运动较慢、面积较大的目标学习为背景,导致目标检测不完整,引发问题2)。
通过以上分析可见,当前的研究主要针对背景更新中的一个或两个问题,而且在解决问题的同时又容易引发其他问题的突出。
为综合考虑以上4个问题,本文首先将问题2)〜4)归结
为目标区域的背景更新问题,通过引入目标尺寸和运动速度等特征参数,以解决目标尺寸大、运动缓慢时目标融入成背景的问题;
同时引入匹配次数确定目标停止时间,区别目标是临时停止还是永久停止,以解决目标临时或长久停止时的目标与背景相互转化问题。
最后,综合文献[2]提出的光照突变解决办法,提出一
种分情况分区域的自适应背景更新算法。
1高斯混合模型
1.1模型函数
高斯混合模型是对图像中每个像素点的值Xi,t用多个高斯分布表示所构成的模型。
其函数表达式为:
P(Xt)EKi13i,tn(Xt,i,t,Ei,t)
n(Xt,ui,t,Ei,t)e-(Xt-ui,t)TEsup>
-1i,t
(Xt-卩i,t)
(1)
其中:
K为高斯分布的个数,一般取值为3到5,K值越大,
模型越能表示复杂的场景,但计算量也将大幅增加;
3i,t、
ui,t、Ei,t分别为第i个高斯分布的权重、均值和协方差矩
阵。
1.2背景提取与更新
K个高斯分布按照优先级入i,t3i,t/Ti,t从高到低排序
(3i,t、(Ti,t为各高斯分布的权值和方差),取前B个高斯
分布联合生成背景:
XbgEBi13i,tui,t
BargminbEbi13i>
T1
(2)
其中T1为背景选取阈值(011的大小决定背景中混合高斯分布的个数,一般T1值越大,选取的高斯分布个数越多,文中取T10.75。
在模型匹配过程中,高斯分布权重按照下式进行更新:
3i,t(1—a)3i,t—1+aMi,t(3)
a为权值的更新速率;
Mi,t在匹配的分布中取1,其
余分布取0。
对匹配的高斯分布的均值和方差按照式(
4)、(5)
更新,不匹配的高斯分布保持不变。
a和均值、方差的更新速率p,a通过式(6)决定p的大小,它们决定着背景模型的更新速度,对高斯混合模型背景更新的研究就是根据背景变化情况不断调整更新速率a和p的大小。
1.3
模型匹配及前景检测
匹配:
xi,t—ui,ti,t
若Xi,t与K个高斯分布中属于背景中的某个高斯分布匹配,则该像素点为背景点;
否则该像素点被检测为前景点,即为运动目标像素点。
2分情况分区域背景更新算法
中的四个问题中,问题1)可以归结为光照突变情况下
的背景更新问题,问题2)〜4)都是由于背景更新速率设置的不合适导致当前检测目标与背景的相互转化问题,因此可以归结
为目标区域的背景更新问题。
2.1光照突变情况下的背景更新
光照突变或摄像机抖动都会使整个图像的像素值在短时间内发生大幅度的变化,造成检测结果形成大面积的虚假目标。
种情况可以通过两种办法解决:
一是检测到这种情况后,将背景后的像素值设置为第一帧背景,重新训练背景模型。
为了提高检测实时性,本文采用第一种方法。
判别是否发生光照突变情况的方法是通过统计像素个数来比较前景面积大小与整幅图像的面积大小。
如:
>
T2(8)
其中:
N(X0)表示前景像素个数,N(xi)表示整幅图像像素个数,T2为阈值(0220.6。
当式(8)成立时,表明发生了光照突变情况,此时,将整
幅图像的背景更新速率调整为较大值,使变化后像素值尽快更新成为新的背景。
2.2目标区域背景更新
对于问题2)〜4),若采用固定的较大的更新速率,当目标面积大、速度慢,或暂时停止时,那么目标将会很快融入背景,而造成目标的消失,问题2)突出;
若采用固定的较小的更新速
率,那么对于目标停止形成背景的情况,就不能很快地将停止目标融合成背景,问题3)突出;
同理,对于问题4)中被检测为
目标的背景显露区,也不能尽快地更新成为真正的背景。
因此,目标区域的背景更新速率应该是实时变化的,应考虑其与目标尺寸、运动速度、停止时间的关系。
通过以上分析可知,目标尺寸越大,或者运动速度越小,所取的目标更新速率应越小;
反之,目标尺寸越小,或者运动速度越大,所取的目标更新速率应越大。
因此,目标区域背景更新速率:
aX(Vt/St)(9)
a为更新速率,St为t时刻目标尺寸,Vt为t时刻目标运动速度。
其中,目标尺寸可以通过计算当前检测目标的面积得到,目标速度可通过计算目标重心在两帧或几帧间移动的距离与时间求比值得到。
目标停止时间的长短可以通过目标像素值与同一个高斯分布的匹配情况获得,建立匹配累积次数Numi,t。
目标停止时间越长,匹配累积次数越多,所取的更新速率应越大;
反之,目标停止时间越短,匹配累积次数越少,所取的更新速率应越大。
因此,目标区域背景更新速率:
aXNumi,t(10)
匹配公式定义为:
xi,t—ai,ti,t(11)
xi,t为当前帧被判别为目标的像素值;
ai,t、(Ti,t
为同一目标像素在上一帧中所匹配的高斯分布在当前帧的均值
和方差。
因此,每一次检测过程有两次匹配,第一次是与背景模型的匹配,如式(7),用以检测当前像素值是否为目标像素,第
次匹配是在检测到当前像素值为目标像素的情况下,将当前像素值与上一帧同一目标像素所匹配的高斯分布进行匹配,如式
11),进行匹配次数累积,用以计算目标停止的时间。
累积过
程如下:
Numi,t
斯分布的均值和方差,
ai,t、(Ti,t分别表示上一帧中同一目标像素所匹配的高斯分布在当前帧的均值和方差。
综合式(9)和式(10),取目标区域的最终背景更新速率
abx(V2t/St)+exNum2i,t(13)
其中b、e分别为目标速度、尺寸和匹配次数对更新速率的影响系数,一般取Kbw10,1X10—5WaW1X10—4。
b、e
的选取应根据实际场景中的目标情况进行设定,当目标检测结果
主要受目标运动速度和尺寸影响,如问题2)突出时,b的取值相对较大,e取值相对较小;
当目标检测结果主要受目标停止时间长短的影响,如问题3)、4)突出时,b的取值相对较小,e
取值相对较大。
目标停止区域更新速率将会随着停止时间越长,更新速率越快,
分,由于其满足匹配条件,因此更新速率会随着匹配次数的增加
更快,直到融合成为背景,问题4)解决。
对于问题2),当目
标表面灰度不均匀时,Num2i,t0,abx(V2t/St),更新速率会随着目标尺寸的不同和速度的变化而实时调整;
当目标表面灰度均匀时,abX(V2t/St)+eXNum2i,t,目标匹配会给更新速率调整带来一定的影响,主要体现在目标运动较慢、尺寸大时,
目标更新速率的减小程度会受到eXNum2i,t项的影响。
为了减
小这种影响,考虑到目标边缘的复杂性和灰度的不连续性,可以有效避免运动目标的匹配次数的增大,减小了目标匹配给更新速率调整带来的影响,问题2)解决。
2.3算法流程
综合以上讨论的主要问题和更新方法,得到改进后的高斯混合模型背景更新算法流程如下:
1)首先由均值统计法获得模型的原始背景,然后通过式(7)将当前帧图像与原始背景进行模型匹配与前景检测,得到最初的检测结果图像。
2)对检测结果图像进行膨胀和腐蚀的形态学处理,一是消
除噪声对前景图像的影响,二是平滑图像,得到处理后的检测图像。
3)统计前景像素个数,通过式(8)判别当前检测是否发生
光照突变情况。
当发生光照突变情况时,将整幅图像的背景更新速率调整为较大的值,取a10.1,使变化后像素值尽快更新成为新的背景。
没有发生光照突变情况时,对判定为背景的区域采
用固定的较小的更新速率,取a20.002,以保持背景区域的稳
定性,避免引入噪声;
对判定为目标的区域则根据目标尺寸、目
标行驶速度和目标停止时间实时调整更新速率,取a3bx
(V2t/St)+exNum2i,t,以解决目标与背景的相互转化问题。
4)根据设置的背景更新速率进行背景更新,为下一帧图像
进行模型匹配与前景检测做好准备。
3仿真结果与分析
为验证算法的有效性,本文对三个不同场景下的若干视频序列做了对比实验,主要将传统算法[1]采用固定更新速率时的
检测效果与本文算法的检测效果进行对比分析。
图1显示了在室内自拍视频(avi格式,876x550,25fps)中,当光照发生突变情况时的检测效果对比情况。
传统算法取背景更新速率a0.01,本文算法参数取b5,eO.5x10-4。
从图中
可以发现,视频在第45帧时发生了光照突变,(b)和(c)中的第45帧图片都产生了大面积假目标,通过背景更新,(c)中
第50、55帧图片的虚假目标已经基本更新为背景,但(b)中
的第50和55帧图片,在人的前面还有部分虚假目标未消除。
说
明在光照发生突变时,本文算法可以更快地实现背景更新,形成
新的背景。
图1针对光照突变情况的检测效果对比
图2显示了在traffic
视频(avi格式,320X240,25fps)
中,存在大尺寸、慢速行驶的目标时,采用传统算法与采用本文
算法的检测效果对比。
传统算法取背景更新速率a0.01,本文
算法参数取b8,e0.2X10-4。
从图中可以发现,对于第
120帧
图片中的小目标(三轮摩托车),传统算法和本文算法的检测效
果都较好,但对于第145、160帧图片中的大尺寸、慢速行驶的
目标(公交车),检测效果相差较大。
采用传统方法进行检测时,
中第145、160帧图片的公交车尾部检测都不完整,而且
还有部分背景显露区成为目标。
采用本文算法进行检测时,
c)
中第145、160帧图片的公交车尾部检测相对比较完整,而且尾
部背景显露区也没有形成假目标。
图2针对大尺寸、慢速行驶目标情况的检测效果对比
图3显示了在laboratory视频(avi格式,320X240,25fps)
中,存在目标与背景相互转换情况下的检测效果对比。
传统算法
取背景更新速率a0.002,本文算法参数取b2、e0.8X10-4。
第
73帧时,人停止运动。
到105帧时,人体逐渐更新为背景,打
开的书柜被判别为目标,此时(b)、(c)的检测效果相差不大。
随着时间的延长,到第135帧时,大部分人体被更新为背景,但
由于存在小范围运动,因此(b)、(C)中人体的边缘还存在,
对于打开的书柜,(C)比(力更新为背景成分要多,这是由于对于停止运动的目标或者背景显露区目标,本文算法的更新速率随着时间的延长而增大,而传统检测算法的更新速率保持在较小的值。
图3针对目标与背景相互转换的情况的检测效果对比
4结语
针对复杂条件下的背景更新问题,本文提出一种分情况分区域的背景自适应更新算法,对发生光照突变的情况和未发生光照突变情况下的目标区域和背景区域分别采用不同的更新策略,重点讨论了目标区域的背景更新问题,提出根据目标尺寸、运动速度和匹配次数等特征参数自动调整目标区域的背景更新速率。
实验结果表明,与传统算法采用固定更新速率进行背景更新相比,本文算法可以更好地适应光照变化、背景与目标相互转化等复杂条件,提高了模型的适应能力。
同时,从仿真结果也可以发现,检测目标存在较多阴影,这在一定程度上影响了检测效果,如何去除阴影进一步增强目标检测效果是下一步的研究内容。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 复杂 条件下 混合 模型 自适应 背景 更新 精选 文档
![提示](https://static.bdocx.com/images/bang_tan.gif)