基于自适应背景匹配的运动目标检测算法
一种背景自适应的运动目标检测算法
一种背景自适应的运动目标检测算法李凌【期刊名称】《陕西理工学院学报（自然科学版）》【年(卷),期】2014(30)6【摘要】In light of the inadequate updating of the background of Gaussian mixture model,this essay puts forward the background self-adaptative algorithm aiming at moving object detection on the basis of the edge detection and inter-frame difference• This algorithm extracts edge information of images by using the So-bel operator with three-frame-difference method• At the same time the algorithm divides each image into back-ground area,background exposure area and target moving one,to all of which different background updating strategies are applied• Experimental results show that this algorithm has good adaptability to the slowly moving object,light mutation and background into conditions,and can effectively detect moving targets.%鉴于传统混合高斯模型背景更新的不足，融合边缘检测、帧间差分，提出一种背景自适应的运动目标检测算法。
基于自适应背景图像更新的运动目标检测方法
自适应背景更新及运动目标检测算法
Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｎ ｇ ｍ ｏ ｖ ｉ ｎ ｇ ｏ ｂ ｊ ｅ ｃ ｔ ｓ ｆ ｒ ｏ ｍ ｖ ｉ ｄ ｅ ｏ ｉ ｓ ａ ｋ ｅ ｙ ｔ ｅ ｃ ｈ ｎ ｉ ｑ ｕ ｅ ｉ ｎ ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｔ ｖ ｉ ｄ ｅ ｏ ｓ ｕ ｒ ｖ ｅ ｉ ｌ ｌ ａ ｎ ｃ ｅ ａ ｐ ｐ ｌ ｉ ｃ ａ － ｔ ｉ ｏ ｎ ｓ ． Ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｓ ａ ｎ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｒ ｅ ｇ ｉ ｏ ｎ — ｂ ａ ｓ ｅ ｄ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｕ ｐ ｄ ａ ｔ ｅ ａ ｎ ｄ ｍｏ ｖ ｉ ｎ ｇ ｏ ｂ ｊ ｅ ｃ ｔ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ —
结果表 明 ， 该算 法能够 自适应地对 背景模 型进行 更新， 对 于背景的扰动 、 光线的渐变等 带来的影响有很好 的抑制作
用， 可 以有 效 地 检 测 出运 动 目标 。
关键词 ： 视频监控 ； 运 动 目标 检 测 ； 自适应 背景 更新 ； 自适 应 闲值 选 取
中图分类号 ： Ｔ Ｎ ９ １ ９ ． ８
ｐ ｈ ｏ ｌ ｏ ｇ ｙ ｉ ｆ ｌ ｔ ｅ ｉ ｒ ｎ ｇ ａ ｎ ｄ ａ ｒ ｅ ａ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｃ ｏ ｎ ｎ ｅ ｃ ｔ ｅ ｄ ｒ ｅ ｇ ｉ ｏ ｎ ｓ ． Ｔ ｈ ｅ ｍｏ ｖ ｉ ｎ ｇ ｏ ｂ ｊ ｅ ｃ ｔ ｓ ａ ｒ ｅ Ｆ ｉ ｎ ａ ｌ ｌ ｙ ｄ ｅ ｔ ｅ ｃ ｔ ｅ ｄ ａ ｎ ｄ ｔ ｈ ｅ
ＬＵ Ｇｕ ａ ｎ － ｍｉ ｎ ｇ， ＸＩ Ｅ Ｓ ｈ ｕ ａ ｎ ｇ
（ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｔ ｄ ｅ ｃ ｏ ｍｍ ｕ ｎ ｉ ｃ ａ ｔ ｉ ｏ ｎ＆ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， ｎａ ｎｊ ｉ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｐ ｏ ｓ ｔ ｓ ａ ｎ ｄ Ｔ ｅ ｌ ｅ ｃ ｏ ｍ ｍｕ ｎ ｉ ｃ ａ ｔ ｉ ０ ｎ ｓ ， Ｎ ａ ｎ ｊ ｉ ｎ ｇ ２ １ ０ ０ ０ ３ ， Ｃ ｈ ｉ ｎ ａ ）
基于自适应背景模型运动目标检测
基 于 自适应背 景模 型 运动 目标 检测
王 陈 阳 ， 明全 ， 国华 周 耿
（ 北大 学 可视 化研 究所 ， 西 西安 ７ ０２ ） 西 陕 １ １７
摘 要 ： 城市 化速度 的加快 ， 动车 日益普 及 ， 们在 享受 机 动 车所 带 来 的 巨大 便 利 的 同时 ， 面临 着交 通 拥挤 的 困 随着 机 人 也
ｏ ｆｒ ｏ ｖ ｒ ｅ ｐｅａ 廿ａ ｐ ｄｉ ｔｅｂ ｗ ｉ ｅｍ ｅ ｔ ｆｔａｆｃｃｎ ｅｔｏ ．Ａｌｎ ｗｉｈｔ ｅｃ ｍｐ ｔｒｈ ｒ ｗａｅｔ ｎ ｌｇ ｎ ｈ Ｏｎ－ ｆｅ ；ｈ ｗｅ ｅ ，ｐ ｏ ｌ 托 ｐ ｅ ｎ ｈ ｅ ｌ ｒ ｎ ｏ ｒｆｉ ｏｇ ｓｉｎ ｄ ｏ ｇ ｔ ｈ ｏ ｕ ｅ ａｄ ｒ ￣ｈ ｏｏ ｙａ ｄｔ ｅＣ Ｉ ｐ ｔｒｖｓ ｎ ｔ ｈ ｏｂｇ ｅ ｅｏ ｍ ｅ ｔ ｍｐ ｔｒｖｓ ｎ—ｂ ｓｄ ｔａｆ ｎｔ ｒ ｙ ｔｍ ａ ￣２ｍ ｅｐ ｓｉｌ．１ｈ ｉ ａｋ ｆｒｎ ｔ ｕｅ ｉｉ ｅ ｎ ｏ ｃ ｙｄ ｖ ｌｐ ｎ ．ａｃ ｏ ｕｅ ｉ ｉ ｏ ａｅ ｒｆｉ ｍ ｉｏ ｉ ｓｓｅ ｈ ｓ［Ｎｏ ｏ ｓｂｅ ＿ｅｍａｎ ｔｓ ｏ ｃｏ ｇ ｎ ａ
Ｏ 引 言
从视频序列中检测出运动 目标 在智能视觉监控 和
１ 建立 自适应背景模型
自适应 背景模 型属 于背景差 分 的范 畴 ， 即选 取适
当的参 考帧作 为参考 图像 ， 当前 帧和参考 图像 做差 用 分， 如果参考 图像选取适 当， 比较准确地分割出运动 能 物体 Ｌ引 ２ 。所 以 ， 立 自适 应背 景模 型 的关 键 在 于准 ， 建 确地选 取背景图像 。
ｃｍｐ ｔｒ ｓ ｎ—ｂｓｄｔ ｆｃ ｎｔｒ ｐ ｌａｉ ｓｅ ｉｔ ｄ ｔｙｔｅｍ ｖｎ ｂｅｔ ｏｒ ａ ｄｏｓｑ ｅｃ．Ｔ ｌ ｈ ｍｂ ｏ ｕｅ ｖ ｉ ｉ ｏ ａｅ ｒ ｆ ｍｏ ｉ ｉ ａｐｉ ｔ ｎｓ ｔｍ ｓｏｉｅ ｉ ｈ ｏ ｉ ｇｏｊｃ ａｉ ｏｎ ｇ ｃ ｏ ｙ ｎ ｆ ｓｆ ｍ ｖ ｅ ｕ ｅ ｏｓ ｖ ｉｐ － ｉ ｅ ｎ ｏ ｅｔ ｓ
动目标检测
动目标检测动目标检测是指在视频或图像序列中，快速且准确地检测和追踪运动目标的过程。
动目标检测在许多应用中都有着广泛的应用，比如视频监控、交通监控、智能驾驶等领域。
下面将介绍一些常见的动目标检测方法。
一、基于传统的动目标检测方法：1. 基于背景差分法：该方法通过将当前帧的像素值与背景模型进行比较，来检测出目标。
这种方法简单、直接，但对光照变化和背景的不稳定性较为敏感。
2. 基于帧差法：该方法通过比较相邻帧之间的像素差异，来检测出目标。
帧差法可以适应光照变化和背景的变化，但对运动目标的遮挡情况不敏感。
3. 基于自适应背景建模：该方法通过维护一个适应性的背景模型，来动态更新背景信息，从而减少光照变化和背景的影响。
这种方法可以适应复杂的场景变化，但对于目标突然静止不动的情况处理效果不佳。
二、基于深度学习的动目标检测方法：1. 基于卷积神经网络（CNN）的动目标检测：通过训练深度神经网络模型，将视频或图像序列中的目标进行分类和定位。
这种方法可以自动学习目标的特征表示，从而提高检测的准确性和鲁棒性。
2. 基于循环神经网络（RNN）的动目标检测：通过将时间信息纳入模型中，建立时间上下文的关系，从而提高目标的追踪和预测能力。
这种方法可以适应目标的运动和变形，对目标的形状和结构变化不敏感。
三、动目标检测的评价指标：1. 准确率（Accuracy）：检测结果与真实标注之间的重叠程度。
2. 误检率（False Positive Rate）：虚警率，即没有目标但却被错误检测出来的像素或区域。
3. 漏检率（Miss Rate）：目标没有被检测到的像素或区域。
4. F1 值：综合考虑准确率和漏检率的一个评价指标。
总结起来，动目标检测是指在视频或图像序列中，通过提取目标的运动信息，进行快速且准确地检测和追踪运动目标的过程。
根据不同的应用需求，可以选择合适的算法和模型进行动目标检测，以提高检测的准确性，实现对运动目标的有效监控和分析。
基于自适应背景更新的运动车辆检测技术
采用 统计 模 型对静 态背 景 中每个 像 素的每 个 颜 色 ｋ∈｛ Ｇ， 都进 行 建模 。由于 摄像 头 存 在 Ｒ， Ｂ｝
下， 运动车辆停 留的时间 比较 短 ， 态持续 时间不 该状
收 稿 日期 ：０７— ６— ２ ２０ ０ ０ ． 作者简介 ： 朱芬芳（ ９ ２一）， ， １８ 女 湖北天 门人 ， 武汉理工大学信息工程学院硕士研究生
中 图 法 分 类 号 ：Ｎ １． ３ Ｔ ９ １７ 文献标志码 ： Ａ
交通 场景 中车 辆对 象 的实 时检测 是基 于视 频
的交 通检 测 系统 中最 重 要也 是 最 基 本 的步骤 ， 检
均 值为 ０的高斯 白 噪 声 ， 因此 可 以用 高 斯 分 布模
型表示 静态 背景 中每 个像 素在 一段 时 间 内的颜色
１ ２ 基 于动 态信 息窗 口的背景 更新 ． 背景 模 型更 新 的方 法 有很 多 ， 如 用 带 有 预 例 测 的 Ｋ ｌａ ａｍ ｎ滤波 器来 适应 变化 ， 线性 迭代 的方 用
１ 动态信息 窗口的背景 更新模 型
１ １ 背 景建 模 ．
法 对背 景 区域 的像 素进行 更新 。笔 者采 用 的是一
种 新 的基 于概率 的 自适 应 模 型 进 行背 景更 新 ， 即
背景模 型 的准确 与否 直接 关 系到最 终检 测结
果 的正 确性 。利 用 固定摄像 机 采集 的背 景 图像是
对于 每 个 像 素 点 ， 护 一 个 动 态 信 息 窗 口 维
随时 间渐变 的 ， 而在 一定 时间 内 ， 背景 中的 每一个 像 素 的颜色 值则 稳定 分 布在某 一 个确定 值 的领域 内 。视频 图像 序 列 中某 像 素 ｔ的取 值 Ｘ ＝（ ，
一种基于背景模型的运动目标检测与跟踪算法
一种基于背景模型的运动目标检测与跟踪算法刘亚艾海舟徐光佑（清华大学计算机科学与技术系，智能技术与系统国家重点实验室，北京 100084）摘要本文提出了一种静止摄像机条件下的运动目标检测与跟踪算法。
它以一种改进的自适应混合高斯模型为背景更新方法，用连通区检测算法分割出前景目标，以Kalman滤波为运动模型实现对运动目标的连续跟踪。
在目标跟踪时，该算法针对目标遮挡引起的各种可能情况进行了分析，引入了对运动目标的可靠性度量，增强了目标跟踪的稳定性和可靠性。
在对多个室外视频序列的实验中，该算法显示了良好的性能，说明它对于各种外部因素的影响，如光照变化、阴影、目标遮挡等，具有很强的适应能力。
关键词背景模型，混合高斯模型，Kalman滤波，运动目标检测与跟踪1 引言视觉监视是指在一个繁忙环境中对人和车辆等进行实时的观察，并给出对它们行为和动作的描述。
这一技术包括了运动目标的检测、跟踪、目标分类和行为理解等方面，涉及到计算机视觉、模式识别和人工智能领域的许多核心课题，是一个具有挑战性的困难问题。
近年来随着集成电路和计算机技术的迅猛发展，视觉监视系统所要求的硬件设备成本大大降低，因此它获得了日益广泛的研究与应用。
许多关于视觉监视的大规模研究项目已经在美国、欧洲和日本展开，同时它也成为许多国际学术会议关注的重要主题。
已有多篇论著详细介绍了针对不同应用条件的视觉监视系统。
Wren等的Pfinder是一个利用颜色和形状特征对大视角范围内的人进行跟踪的实时系统[1]。
Olson等介绍了一种更通用的运动物体检测和事件识别系统[2]。
它通过检测帧间图像变化来发现运动物体，在跟踪中上使用了一阶预测和最近邻匹配技术。
Haritaoglu等的W4是一个可以在室外对人进行实时检测和跟踪的视觉监视系统[3]。
它将外形分析与跟踪技术相结合来跟踪人体各个部分的位置并为人的外形建立模型。
Collins 等介绍了由CMU和Sarnoff公司合作研究的一种视觉监视系统[4]。
自适应背景下的运动目标检测
Ｂ亩 ＋ ｌ 一 ） Ｂ ＋１ Ａ 。 ｋ 一＋ …１ ＝ （ ～ － ）
标并不频繁出现 ， 显然适当的选择参数 Ｎ可 以获得一个较为真实的背景图像的估计图像 。
（） ３
由 （ ）式可知 ，利用统计平均方法对背景图像进行修正 ，其中最为关键的参数就是 』 ３ ｖ 。若背景 中 目
维普资讯
第 ２期
周嘉伟 ：自适应背景下的运动 目标 检测
Ｄ （ Ｙ ＝Ｉ （ Ｙ ★ ，） ， ）一Ｂ （ Ｙ ， ，）Ｉ
（） １
Ｒ ） ｆ 口ｇｕ ＾ （ ） 懈 。 ｇ ｋ ：ｏ曰 后０ｄ ｅ ） ＾ ， （ ｃｒ凡 凡
３ 实验结果分析
自适应背景相减法运动 目 标检测步骤 （ 见图 ２ ： ）
嘲Ｉ Ｉ
第 ｋ一１ 帧图像 一 Ｉ ｂ 第 ｋ帧图像 ． ｄ Ｄ 图像二值化结果 Ｒ ． ｅＲ 连通性分析 ．。
图 ２ 实 验 结 果
■
ｃ ．， 得到差分后 的图像 Ｄ ． 。 ￡ 检测到的 目标 图像
■ ■ ■
（ ）需要得到当前环境的背景估计图像 ； １ （ ）利用背景图像与当前帧图像的 “ ２ 差”进行 目标检测和提取 ； （ ）与瞬时差分方法比较 ，可以提取 出较精确的目标图像。 ３
参 考文献 ：
［］ １ Ｄ ｖｓ ．Ａ Ｓ ｒｅ ｆ ｄ ｅＤ ｔ ｔ ｎＴ ｃｎｑ ｅ．Ｃ ｍ ｕｅ ｉｏ ［ ］．Ｇ ａｈｃ ，ａｄＩ ａｅＰ ｃｓｉｇ ５ （ ） ａｉ ＬＳ ｕｖｙｏ ｇ ｅ ｃｏ ｅｈ ｉ ｓ ｏ ｐ ｔ Ｖ ｓ ｎ Ｊ Ｅ ｅｉ ｕ ｒ ｉ ｒｐ ｉ ｓ ｎ ｍ ｇ ｒ ｅｓ ，１７ ４ ： ｏ ｎ ９
中 图分类 号 ：Ｔ ３ ７ ４ Ｐ ｌ． 文献标 识码 ：Ａ
一种基于背景模型的自适应的目标检测方法
一
ＳｉＣ ＆Ｔ Ｈ ＬＧ 。 ＣＮＥ Ｅ Ｎ ＯＹ Ｅ Ｃ０
盔圆
种 基 于 背 景 模 型 的 自适 应 的 目标 检 测 方法
范 亚 男 葛 卫 丽 （ 武警工 程学 院通 信工 程系 西 安 ７ ０ ６ １ ８） ０
摘
要 ： 动 目标检 测是智 能视 频监控 系统 中的一 项关键技术 。 用的 目标检 测方法有 时同 差分 法 ， 运 常 背景减除法和 光流 法。 本文针对Ｋｉ ｍ
提 出 的改 进 的 目标 检 测 方 法 和 一 种 背 景 减 除பைடு நூலகம்法 与时 间 差 分 法 加 权 平 均 的运 动 目标 检 测 方 法 的 不 足 ， 绍 了一 种 基 于 背 景 模 型 的 自适 应 的 介 目标 检 测 方 法 。 关 键 词 ： 动 目标 检 测 时 间 差 分 背景 减 除 光 流 背景 建 模 运
中 图分 类 号 ： Ｐ ９ Ｔ３１
文 献标 识码 ： Ａ
文 章编 号 ： ７ －３ １２ １ ） ｌｂ一０ ｌ —０ １ ２ ９ （ ０ １ （） ０ １ １ ６ ７ ０
运动 目标 检 测 技 术 是 智 能 视 频 监 控 系 被 误 判 为 背 景 的 运 动 信 息 点 ， 形 成 一 个 难 统 中的 一 项 关 键 技 术 。 动 检 测 的 目的 是 完 整 的 目标 轮 廓 和 保 证 运 动 目标 的 连 通 运 将 序 列 图像 中 的变 化 区域 从 背 景 图 像 中 提 性 ， 动 信 息 点 损 失 较 多 。 了解 决 Ｋｉ 运 为 ｍ方 取 出来 。 动 区 域 的 有 效 分 割 对 于 运 动 目 运 法 的 不 足 之 处 ， 人 提 出一 种 采 用 了 背 景 有 标 信 息 提 取 、 动 目标 分 类 、 踪 、 为 分 减 除法 与时 间差 分 法 加 权 平 均 的 目标 检 测 运 跟 行 析和理解等后续 工作是非常重要的 。 方法 ， 够较 为 精 确 的提 取 运 动 目标 轮 廓 。 能 目前 ， 用 的运 动 目标 检 测 方 法 有 时 常 背 景 减 除 法 与 时 间 差 分 法 加 权 平 均 的 间 差 分 法 、 景 减 除 法 和 光 流 法 。 面 分 别 目标 检 测 此 方 法 是将 连续 两 帧 差分 图像 和 背 下 来 阐述 一 下 ３中运 动 检测 方法 的具 体 内 容 。 背景 差分 图像 直 接 相乘 ， 将 相 乘的 结 果 闽 再 时 间差 分 法 就 是 利 用 图 像 序 列 中 前 后 几个 值 分割 得 到运 动 检测 结 果 ， 样 就达 到 了加 这 相 邻 帧 图像 之 间 的 差 分 来提 取 出 图 像 中的 大 了 目标 信 息 的 权重 而抑 制 了静 态 背景 的 运 动 区域 。 当前 帧 与 前 一 帧（ 将 或前 ２ 帧 ） 效 果 ， 以得 到 的运 动 检测 图像 要 ￣ Ｋｉ ～３ 所 Ｌ ｍ方 在 像素 域 上 进 行 相 减 ， 到 绝 对 差 分 图像 法 得到 的 图像 包 含有 更 多 目标 的信 息 ， 仪 得 不 后 ， 按 照 设 定 的 阂 值 通 过 二 值 化 来 分 离 包 括 目标 轮廓 而且 还 有 目标 轮 廓 内 的 目标 再 出前 景 和 背 景 。 景 减 除 法 是 目前 运 动 目 背 相 关 点 。 在 实 际应 用 中 ， 幅 “ 净 ” 背 但 一 纯 的 标 检 测 最 常 用 的 一 种 方法 ， 是 利 用 当 前 景 图像是 很 难得 到 的 ， 常 的做 法是 当场 景 它 通 帧 图 像 与 背景 图像 的差 分 来 检 测 出运 动 区 中 无任 何 目标 时 采 集 一 幅 图 像 作 为 背 景 图 域 的 一 种 技 术 。 流 法 是 空 间运 动 物 体 对 像 ， 而 随 着 时 间 的 推移 ， 界 的 环 境 会 发 光 然 外 观 测 面 上 的 像 素 点 运 动 产 生 的 瞬 时 速 度 生 变化 ， 光 照 和摄 像 机 移 动 等 ， 时 背 景 如 这 场 ， 含 了 物体 ３ 包 Ｄ表 面 结 构 和 动 态 行 为的 图像 也 会 发 生 变化 ， 因而 这种 方法 ， 只适 合 重要信息 。 应用于外界条件较好的场合。
基于自适应背景匹配的运动目标检测算法
基于自适应背景匹配的运动目标检测算法高振华;黄山;张洪斌;于艳飞【期刊名称】《计算机工程与设计》【年(卷),期】2013(34)8【摘要】To reduce the background extraction influence on handling moving targets,the moving target detection algorithm based on adaptive background matching is proposed.Firstly,the most confident background is obtained by using the improved Mode algorithm and adaptive background matching mechanism.After generating the adaptive background,the general model is constructed by using the absolute difference and Cauchy model with double dynamic threshold,and then the general model is used to detect the moving target in the video sequences.The experimental results of pedestrians and vehicle detecting show that this method is avoiding the noise,robustness for the slower moving target and effective for detecting.%为了减小所提取的背景对后续目标检测的影响,提出了基于自适应背景匹配的运动目标检测算法.通过改进的Mode算法结合自适应背景匹配更新机制获得可靠的背景,在此基础上结合绝对差分和具有双动态阈值的Cauchy分布模型建立了目标检测总体模型,从而实现对视频序列中的运动目标进行检测.通过对行人和车辆等不同监控对象的实验,验证了算法具有良好的噪声抑制能力和对慢目标良好的鲁棒性,同时能有效的分割前景目标.【总页数】5页(P2839-2843)【作者】高振华;黄山;张洪斌;于艳飞【作者单位】四川大学电气信息学院,四川成都610065;四川大学电气信息学院,四川成都610065;四川大学计算机学院,四川成都610065;四川大学计算机学院,四川成都610065;中国北车集团大连机车研究所有限公司技术中心,辽宁大连116021【正文语种】中文【中图分类】TP391.41【相关文献】1.一种基于背景自适应的运动目标检测与跟踪算法 [J], 刘皞;赵峰民;陈望达2.基于自适应Surendra背景更新的背景差分运动目标检测算法 [J], 孙文华3.动态背景下基于 ORB 特征匹配的运动目标检测算法 [J], 薛丽霞;罗文浩;王佐成4.基于SIFT特征匹配和动态更新背景模型的运动目标检测算法 [J], 王亮芬5.改进SIFT匹配的动态背景下运动目标检测算法 [J], 侯宏录; 李媛; 李光耀因版权原因，仅展示原文概要，查看原文内容请购买。
一种自适应背景差分运动目标检测算法
灰度变化 曲率特征
文献标志码 ： Ａ
动态 阈值
改进型 区域 生长
文 章 编 号 ：６ １— ７５ ２ １ ） ２— ０ ３—０ １７ ８ ５ （ ０２ ０ ０ ４ ５
Ａ ｔ ｃｉ ｎ Ａ ｌｏ ｉｈ ｄ ｐ ｉ ｅ ｔ ｃ ｇ ｏ ｎｄ Ｄｉ ｅ ｅ ｅ Ｍ ｏ ｉ ｇ Ｔａ ｇ ｔ Ｄｅｅ ｔｏ ｇ ｒｔ ｍ Ａ ａ ｔｖ ｏ Ｂａ ｋ ｒ ｕ ｆ ｒ ｎｃ ｖｎ ｒ ｅ
ｏ ｅ ｉｎ ｒ ｗｉ ｇ． Ｅｘ ｅ ｉ ｎ ａ ｒ ｓ ｌｓ ｈ ｗ ｔ ａ ｔ ｅ ｌｏ ｉｈ ｎ ｒ ｇｏ ｇ ｏ ｎ ｐ ｒｍｅ ｔ ｌ ｅ ｕ ｔ ｓ ｏ ｈ ｔ ｈ ａ ｇ ｒｔ ｍ ｃ ｎ ｏ ｅ ｃ ｍｅ ａ ｋ ｒ ｕ ｄ ｐ ａ ｉ ａ ｖ ｒ ｏ ｂ ｃ ｇ ｏ ｎ ｕ ｄ ｔ ｎｇ ｃ ｕ ｅ ｌｕ ｎ ｔ ｎ ｃ ａ ｇ ｎｄ ｓ ｌ ｃ ｈ ｅ ｈ ｌ ｎ ｄｉ ｅ ｅ ｔｅ ｖ ｒ ｎ ｎ ｓ ａ ｓ ｄ ｂｙ ｉｌ ｍｉ ａ ｉ ｈ ｎ ｅ ａ ｅｅ ｔｔ ｒ ｓ ｏ ｄ ｉ ｆ ｒ ｎ ｎ ｉｏ ｍｅ ｔ ． ｏ
基于视觉背景提取的自适应运动目标提取算法
基于视觉背景提取的自适应运动目标提取算法基于视觉背景提取的自适应运动目标提取算法摘要：自适应运动目标提取是计算机视觉领域中一个重要的研究方向，旨在从复杂背景中准确地提取出感兴趣的运动目标。
本文提出了一种基于视觉背景提取的自适应运动目标提取算法。
首先，通过建立运动目标的模型，对视频序列进行背景建模和背景更新。
然后，根据模型对每帧图像进行背景提取，通过前景的时间连续性检测去除不连续的前景目标。
最后，利用形态学图像处理方法对运动目标进行定位和分割，得到准确的运动目标提取结果。
实验证明，本文提出的算法能够在复杂背景下实现高效、准确的运动目标提取。
关键词：自适应运动目标提取；视觉背景提取；背景建模；前景检测；形态学图像处理1. 引言自适应运动目标提取技术是计算机视觉领域的热点研究方向之一，广泛应用于视频监控、交通管制、智能车辆等领域。
准确地提取出感兴趣的运动目标对于实现自动目标跟踪、事件检测等任务至关重要。
然而，由于背景复杂性和光照变化等因素的影响，传统的运动目标提取算法往往存在漏检、误检等问题。
为了克服这些问题，本文提出了一种基于视觉背景提取的自适应运动目标提取算法。
2. 方法2.1 背景建模和背景更新背景建模是运动目标提取的关键步骤之一，其目的是通过对视频序列中的背景进行学习和建模，以便于将前景目标和背景进行区分。
本文采用了基于概率分布的高斯混合模型（GMM）进行背景建模，并通过不断更新模型参数来适应场景的变化。
2.2 前景检测在背景建模的基础上，本文采用了前景检测的方法来提取出运动目标。
通过对每帧图像与背景模型进行比较，得到前景目标的二值图像。
然而，由于光照变化、噪声等原因，前景目标会出现不连续的情况，因此需要进一步处理。
2.3 时间连续性检测为了去除不连续的前景目标，本文引入了时间连续性检测算法。
通过比较当前帧与前一帧的前景目标位置，计算相邻帧之间的位置差异，将位置差异小于阈值的目标判断为连续目标，从而得到连续的前景目标序列。
基于概率统计自适应背景模型的运动目标检测方法
第13卷 第2期2008年2月中国图象图形学报Journal of I m age and GraphicsVol .13,No .2Feb .,2008收稿日期:2007204225;改回日期:2007212206第一作者简介:徐东彬(1976～ ),男。
在读博士研究生。
主要方向为智能监控、视频行为分析。
E 2mail:dongbin .xu@ia .ac .cn基于概率统计自适应背景模型的运动目标检测方法徐东彬1),2) 刘昌平1) 黄 磊1)1)(中国科学院自动化研究所,北京 100080) 2)(中国科学院研究生院,北京 100080)摘 要 为了更好地进行运动目标检测,提出了一种基于概率统计的自适应背景模型的运动目标检测方法。
该方法能够自适应选择背景和前景阈值,且不需要进行训练,而且在不同的场景下能够自适应进行选择。
在此基础上,针对盲目更新和选择更新不足,还采用了像素聚类统计和概率相结合的背景更新模型,因为采用基于像素统计的更新机制能够适应场景中背景的局部改变(移入/移出物体),而采用概率更新则能够降低前景污染背景的程度。
实验证明,该方法能够得到可靠的背景,改善了运动检测效果。
关键词 运动检测 自适应背景 概率更新 统计信息中图法分类号:TP391.4 文献标识码:A 文章编号:100628961(2008)022*******Adapti ve Background M odel for M oti on D etecti on Ba sedon St a tisti c of Probab ilityXU Dong 2bin1),2),L I U Chang 2p ing 1),HUANG Lei1)1)(Institute of Auto m ation,Chinese A cade m y of Sciences,B eijing 100080)2)(Graduate School of Chinese A cade m y of Sciences,B eijing 100080)Abstract This paper p r oposed an adap tive backgr ound model for moti on detecti on based on statistic inf or mati on of p r obabilities .The app r oach can select thresholds of foregr ound and backgr ound adap tively and adap t t o different scenes without training sa mp les and hu man concerned .By using statistic inf or mati on of hist orical p ixels t o update backgr ound can deal with moved /inserted objects in backgr ound .Mean while,a backgr ound model updated according t o statistical characteristic is als o p r ovided in this paper .It gets ideal backgr ound and good detecti on results .Experi m ental resultsde monstrate the p r oposed algorith m s can get relative good backgr ound and i m p r ove detecti on results f or different scenes .Keywords moti on detecti on,adap tive backgr ound,updated by p r obability,statistic inf or mati on1 引 言实时检测和分割出运动目标,是计算机视觉中的重要研究内容,其可以应用到安全监控、交通监测、行为识别和人机交互等领域。
自适应人体运动目标精检测
自适应人体运动目标精检测卢岩;戴明;姜磊;李仕【摘要】The existing human body detecting algorithms often have the shortages, such as less precision and less adaptability of environments. In order to improve the detecting results, an optimized algorithm is presented based on the combination of the weight of RGB channel and self-adaptive threshold in sub-area. Firstly, a simply background subtraction is applied to detect the moving human body area cursorily; secondly, the human area is calculated and estimated by its characters, then the two areas are combined to get the fmal target area. The target area will be divided into several sub-areas with same size, and then the weight of RGB channel and the threshold of each sub-area can be ca lculated and normalized to the range of [0,255], respectively. By using the calculated threshold and the weight value of target area's RGB channel, we can do a fine background subtraction to detect the final result. Experiment results show that the precision of our algorithm has improved by 10％ as compared with the algorithm based on HIS, and has improved by 40％ as compared with the traditional algorithms. It can wholly achieve the requirements of precision and adaptability by actually testing.%现有人体检测算法普遍存在检测精度不足,适应环境能力差的缺点,为了改善这种情况,提出了一种结合区域RGB权值和自适应阈值的人体精检测算法.该算法首先通过背景差分法对前景人体目标进行快速检测,分离出近粗略人体目标区域,然后根据人体的特征将人体可能的区域范围确定,结合两次检测的区域估计出人体目标区域.将目标区域分割为若干大小相同的小块,分别对每一个小块计算RGB权值和检测阈值,并归一化到(O,255)区间,利用加权后的新值和得到的阈值通过背景差分法进行精检测,得到最终结果.实验结果表明:本文的检测算法可以比现在流行的基于HIS的人体检测算法精度提高10%左右,比普通的背景差分法检测精度最高可提高40%左右.通过实际验证,本文的算法完全满足人体检测对精度和适应性的要求.【期刊名称】《计算机系统应用》【年(卷),期】2011(020)005【总页数】5页(P162-166)【关键词】运动目标检测;自适应阈值;人体检测;背景差分【作者】卢岩;戴明;姜磊;李仕【作者单位】中国科学院长春光学精密机械与物理研究所,长春,130033;中国科学院研究生院,北京,100039;中国科学院长春光学精密机械与物理研究所,长春,130033;中国科学院长春光学精密机械与物理研究所,长春,130033;中国科学院研究生院,北京,100039;中国科学院长春光学精密机械与物理研究所,长春,130033;中国科学院研究生院,北京,100039【正文语种】中文1 引言运动人体目标的检测作为运动目标检测的一个分支，是当前图像处理和机器视觉的研究热点，广泛应用于安保监控、海关缉私、航空航天、反恐等各种领域。
一种自适应背景差分运动目标检测算法
一种自适应背景差分运动目标检测算法姜军;张华;王姮;冯杰;桑瑞娟【摘要】Moving target detection is the basis of the analysis of object behavior. It is currently a hot and difficult problem in security monitoring system. Several common algorithms were analyzed including ad- vantages and disadvantages, an adaptive moving object detection algorithm based on background differ- ence was proposed to solve the traditional algorithm of which the background updating model is not accu- rate and the threshold value is difficult to select. Key algorithms include： the background updating model based on the feature of gray-scale curvature in the interrelated region, the dynamic threshold based on the histogram statistics under the Gaussian noise model, and the improved target identification algorithm based on region growing. Experimental results show that the algorithm can overcome background updating caused by illumination change and select threshold in different environments.%运动目标检测是运动行为理解的前提，也是安防系统研究的热点、难点问题。
自适应背景筛选的运动对象检测算法
自适应背景筛选的运动对象检测算法莫林;雷禹;周赞;史册【期刊名称】《计算机工程与设计》【年(卷),期】2012(33)8【摘要】To improve the accuracy of the traditional coterminous frame differencing method and background subtraction method in moving objects detection. A moving objects detection algorithm with self-adaptive background screening is proposed. The area is marked, where the moving object exist in the graph, on the background in the process of constructing background model through the coterminous frame differencing method,. Background is screened that haven' t marked in the current area of moving object and the most close to the present moment, extract the foreground' s moving target Compared with the traditional method which combine the coterminous frame differencing and background subtraction, the proposed algorithm is more good at deal with the matter, which detection is not accurate due to moving objects. It' s simple and easy to, satisfy the requirements in real-time monitoring. Experimental results verify the effectiveness of the algorithm.%针对传统帧差法和背景差分法对运动对象检测不准确等不足,提出了一种自适应背景筛选的运动对象检测算法.该算法在采用帧差法构建的背景中标注出原图存在运动对象的区域,筛选当前运动对象区域未被标注且距当前时刻最近的背景与当前帧进行差分,从而提取前景运动目标.与帧差背景结合方法相比,该方法能更好解决因运动对象静止后融入背景建模而导致的检测对象不准确问题,且算法简单,易于实现,满足实时监控要求.实验结果验证了该算法的有效性.【总页数】5页(P3134-3138)【作者】莫林;雷禹;周赞;史册【作者单位】广西大学计算机与电子信息学院,广西南宁 530004;广西大学计算机与电子信息学院,广西南宁 530004;广西大学计算机与电子信息学院,广西南宁530004;广西大学计算机与电子信息学院,广西南宁 530004【正文语种】中文【中图分类】TP391【相关文献】1.基于自适应Surendra背景更新的背景差分运动目标检测算法 [J], 孙文华2.自适应复杂背景干扰的运动目标检测算法 [J], 王东京;张宝辉;陈弘原;王润宇;吴杰;吴旭东3.基于动态阈值对称差分和背景差法的运动对象检测算法 [J], 陈磊;邹北骥4.结合背景差分和显著值筛选的运动检测算法 [J], 蔡建宏;李跃新5.双背景模型自适应运动目标检测算法在交通监控系统中的应用研究 [J], 成亚玲; 彭湘华; 谭爱平因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计算机 工程 与设计
ＣＯＭ ＰＵＴＥＲ ＥＮＧＩ ＮＥＥＲＩ ＮＧ ＡＮＤ ＤＥＳ Ｉ ＧＮ
Ａｕ ｇ ． ２ ０ １ ３ Ｖｏ １ ． ３ ４ Ｎｏ ． ８
第 ３ ４卷
第 ８期
基 于 自适 应背景匹配的运动 目标检测算法
高振 华 ，黄 山 。 ，张洪斌 ，于艳 飞。
（ １ ．四 川 大学 电气信 息 学 院 ，四 川 成 都 ６ １ ０ ０ ６ ５ ； ２ ．四川 大学 计算机 学院 ，四川 成都 ６ １ ０ ０ ６ ５ ； ３ ．中国北车 集 团大连机 车研 究所有 限公 司 技 术 中心 ，辽 宁 大连 １ １ ６ ０ ２ １ ）
摘 要 ：为 了减 小所提取 的背景对后 续 目标检 测 的影响 ，提 出了基 于 自适应 背景 匹配 的运动 目标检 测算 法。通 过 改进 的
ＧＡｏ Ｚ ｈ ｅ ｎ － ｈ ｕ ａ ，Ｈ ＵＡＮＧ Ｓ ｈ ａ ｎ ，ＺＨ ＡＮＧ Ｈｏ ｎ ｇ － ｂ ｉ ｎ ，ＹＵ Ｙａ ｎ － ｆ ｅ ｉ 。
（ １ ．Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｅｌ ｅ ｃ ｔ ｒ ｉ ｃ ａ ｌ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ，Ｓ ｉ ｃ ｈ ｕ ａ ｎ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，Ｃｈ ｅ ｎ ｇ ｄ ｕ ６ １ ０ ０ ６ ５ ， Ｃｈ ｉ ｎ ａ ；２ ．Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｔｏ ｒ ｅ ｄ ｕ ｃ ｅ ｔ ｈ ｅ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｉ ｎ ｆ ｌ ｕ ｅ ｎ ｃ ｅ ｏ ｎ ｈ ａ ｎ ｄ ｌ ｉ ｎ ｇ ｍｏ ｖ ｉ ｎ ｇ ｔ ａ ｒ ｇ ｅ ｔ ｓ ，ｔ ｈ ｅ ｍｏ ｖ ｉ ｎ ｇ ｔ ａ ｒ ｇ ｅ ｔ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｍａ ｔ ｃ ｈ ｉ ｎ ｇ ｉ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ．Ｆｉ ｒ ｓ ｔ ｌ ｙ ，ｔ ｈ ｅ ｍｏ ｓ ｔ ｃ ｏ ｎ ｆ ｉ ｄ ｅ ｎ ｔ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｈ ｅ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ Ｍｏ ｄ ｅ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ａ ｎ ｄ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｍａ ｔ ｃ ｈ ｉ ｎ ｇ ｍｅ ｃ ｈ ａ ｎ ｉ ｓ ｍ． Ａｆ ｔ ｅ ｒ ｇ ｅ ｎ ｅ ｒ ａ ｔ ｉ ｎ ｇ ｔ ｈ ｅ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ，ｔ ｈ ｅ ｇ ｅ ｎ ｅ ｒ ａ ｌ ｍｏ ｄ ｅ ｌ ｉ ｓ ｃ ｏ ｎ ｓ ｔ ｒ ｕ ｃ ｔ ｅ ｄ ｂ ｙ ｕ ｓ ｉ ｎ ｇ ｔ ｈ ｅ ａ ｂ ｓ ｏ ｌ ｕ ｔ ｅ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｃａ ｕ ｃ ｈ ｙ ｍｏ ｄ ｅ ｌ ｗｉ ｔ ｈ ｄ ｏ ｕ ｂ ｌ ｅ ｄ ｙ ｎ ａ ｍｉ ｃ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ，ａ ｎ ｄ ｔ ｈ ｅ ｎ ｔ ｈ ｅ ｇ ｅ ｎ ｅ ｒ ａ ｌ ｍｏ ｄ ｅ ｌ ｉ ｓ ｕ ｓ ｅ ｄ ｔ ｏ ｄ ｅ ｔ ｅ ｃ ｔ ｔ ｈ ｅ ｍｏ ｖ ｉ ｎ ｇ ｔ ａ ｒ ｇ ｅ ｔ ｉ ｎ ｔ ｈ ｅ ｖ ｉ ｄ ｅ ｏ ｓ ｅ ｑ ｕ ｅ ｎ ｃ ｅ ｓ ． Ｔｈ ｅ ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ａ ｌ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｏ ｆ ｐ ｅ ｄ ｅ ｓ ｔ ｒ ｉ ａ ｎ ｓ ａ ｎ ｄ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｎ ｇ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ
关键词 ：Ｍｏ ｄ ｅ算法；背景提取 ； 自适 应更新 ；绝对差分 ；Ｃ ａ ｕ ｃ ｈ ｙ 模 型 中图法分类号 ： ＴＰ ３ ９ １ ． ４ １ 文献标 识号 ： Ａ 文章编号 ：１ ０ ０ ０ — ７ ０ ２ ４（ ２ ０ １ ３ ）０ ８ — ２ ８ ３ ９ — ０ ５
Ｍｏ ｖ ｉ ｎ ｇ ｔ ａ ｒ ｇ ｅ ｔ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｍａ ｔ ｃ ｈ ｉ ｎ ｇ
Ｍｏ ｄ ｅ算法结合 自适应背景 匹配更新机制获得 可靠 的背景 ，在此基础 上结合 绝对差分和具有 双动 态阈值 的 Ｃ ａ ｕ ｃ ｈ ｙ分布模型
建立 了 目标检测 总体模 型 ，从 而 实现对视频序列 中的运动 目标进行检测 。通 过对行人 和车辆等不 同监 控对 象的实验 ，验证
了算 法具有 良 好 的噪 声抑制能力和对慢 目 标 良好 的鲁棒性 ，同时能有效 的分 割前 景 目标。
Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ，Ｓ ｉ ｃ ｈ ｕ ａ ｎ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，Ｃｈ ｅ ｎ ｇ ｄ ｕ ６ １ ０ ０ ６ ５ ，Ｃ ｈ ｉ ｎ ａ ；３ ． Ｔｅ ｃ ｈ Ｃｅ ｎ ｔ ｅ ｒ ， ＣＮＲ Ｄａ ｌ ｉ ａ ｎ Ｌｏ ｃ ｏ ｍｏ ｔ ｉ ｖ ｅ Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ Ｌ ｉ ｍｉ ｔ ｅ ｄ Ｃｏ ｍｐ ａ ｎ ｙ，Ｄａ ｌ ｉ ａ ｎ １ １ ６ ０ ２ １ ， Ｃｈ ｉ ｎ ａ ）