改进单高斯模型的视频前景提取与破碎目标合并算法

被引:10
作者
黄大卫 [1 ]
胡文翔 [2 ]
吴小培 [1 ]
张超 [1 ]
周蚌艳 [1 ]
机构
[1] 安徽大学计算智能与信号处理教育部重点实验室
[2] 安徽大学计算机科学与技术学院
关键词
前景检测; 目标检测; 单高斯模型; 分块建模; 团块合并;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
针对视频背景建模和运动目标检测,本文提出一种基于分块模型更新的单高斯背景建模方法。新方法将视频图像划分为多个区块,并对块内的像素进行统一建模,以替代传统方法中对单像素点的建模。由于块像素的平均更符合高斯分布特性,有利于发挥单高斯建模方法的优势,因此增强了算法应对复杂背景的能力,同时分块建模也有效降低了算法复杂性。针对破碎团块的合并问题,本文提出一种"比对就近"的策略,将相隔距离在设定阈值内的团块合并为一个目标。实验结果验证了本文所提方法的有效性。
引用
收藏
页码:299 / 307
页数:9
相关论文
共 6 条
[1]   分块帧差和背景差相融合的运动目标检测 [J].
高美凤 ;
刘娣 .
计算机应用研究, 2013, 30 (01) :299-302
[2]   基于改进混合高斯建模和短时稳定度的遗留物检测算法 [J].
张超 ;
吴小培 ;
周建英 ;
戚培庆 ;
王营冠 ;
吕钊 .
信号处理, 2012, 28 (08) :1101-1111
[3]   基于改进Canny算子的图像边缘检测算法 [J].
王小俊 ;
刘旭敏 ;
关永 .
计算机工程, 2012, 38 (14) :196-198+202
[4]   一种二值图像连通区域标记快速算法 [J].
曹长虎 ;
李亚非 .
科学技术与工程, 2010, 10 (33) :8168-8171+8180
[5]   基于分块差分与背景减除的运动检测 [J].
胡建华 ;
杨帆 ;
徐健健 .
电子测量技术, 2007, (10) :49-53
[6]  
Learning patterns of activity using real-time tracking. Stauffer C, Grimson W E L. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2000