基于纹理特征和颜色特征相融合的背景建模方法.pdfVIP

丢 畿 晋 绞 理 特 征 和 颜 龟 特 征 针对当前大多数背景建模算法仅仅采用单一特征存在的问题．本文提 出一种基于中心对称局部二值模式纹理特征和颜色特征相结合的背景 建模方法．并应用于运动 目标检测。实验结果表 明．这一算法相比之 前采用单一特征的背景建模算法在检测性能上有明显的提高．而且在 速度上也能达到实时，能够很好地满足实际应用的要求。 ■贾永华张文聪浦世亮 引言 模型进行比较 ，检测出运动 目标。背景 拱于预测的方法将视频序列看成 背景差方法是 种重要的运动目 差方法 的核心是背景建模， 目前的背景 一个时间序列，根据过击的观测值建立 标分*q 法 ，被广泛用于钾能化视频监 建模 法大致分为两类 ：基于预测 的 一个动态模型来预测当前输人帧，将预 控 ，其基本思想是通过输入 图像与背景 法和基于统计的 法。 测结果作为背景并将其与输入帧进行 比较从而仆割出前景 。她型的方法有悟 即对光线突变和 阴影敏感 ，例如拱于颜 在的缺陷，卒文提i I {一种基于csLBP 尔曼滤渡 、粒子滤波力法等 ．这些方法 色特征的高斯混台模型背景建模算法， ( 中心对称局部一值模式) 纹理特征 的t 要踺点在十不能对背景的兜然变化 畦算往虽然z r 十扰动背景有较好的抑制 和颜色特征的建模方{圭．其 巾利用 ( 比如光线的突然变化) 进行准确的建 被果 ，仉是对于光线突变碰是存在明幂 c s I ．BP} 々征建市个混台纹理模型， 幞。 的缺陷，如 图l 中的巾可j 埘幅 圈所示， 同时利用颜色特征建立个单高斯模 而基叶二统i 十的方浊是对背持建立 由于此视师 巾的光线神t 短时问仃在突 型。由于利用基于csLBP特征 的纹理 一个统计概率模型，七班方法吖咀分为 变，基十颜色特征 的高斯混 台模型算法 模型只对纹理较为丰富的前景 目标进行 阿整 ：参数化方法和非毒数化方法。其 小能很好 的适应这种光线突变，闭此导 检测 ，I N此nT以有效的去除光线变化及 中参数化方法 巾的填型代丧就是高斯 致火最的前景误检 。针对这个缺挂， 阴影产生 的虚假前景，因为这些虚假前 混台模型，改方法幔没视频帧中每一个 Hel kk{1a等人提⋯基干LBP纹理特征的 景是没有纹理 的或者说黛内部纹理与背 象素的亮度分布是个高斯馒台模型． 背景建模方法．取得r 较蚪的效果。其 景纹理相～致 的，而利用基于颜色特征 井队此建立背景模型．但是这个假设并 主要优点就是对十光线变化和阳影不敏 的高斯模型能够韵：补纹理模型在检测过 非总是成立。针埘这个问题．有学者 感。f u 是，利用I ．RP纹{l 特征进行背最 程 巾存在的检测空洞，保持前等}的完整 提出了非参数化方法，该方法尢需对 建模时，在榆测过程中对下纹理不丰富 性。因此 ■者结台．可 以在保证真实前 象素亮度的分布傲任何但殴， 『f 『f 是通 的前景 目标常常金 出现捡测空洞 ，导致 景 目标检测完整的晴况下能够去除由于 过概率密度估叶的方法或者聚类的方 榆测出的前景 目标不完整，如图l 中的 光影变化带来的虚假前景H标，而且通 法来建市统计模型 。代表性工作主蟹 右侧两幅图所 ，J i ，从设 图中可 以看 出， 过大量的实验测试表明．本文提 出的背 有A EI gamI na J 提出的使JH核概率密度 基于LBP纹理特征的建模算法能够有效 景建模算法是切蛮有效可行的。 估计进行背景建模，以灶K Kl m使用 的抑制光影突变带来的溟检 ，但是由于 c ㈨et mok进行背辩建模 。 罔中行人 的衣着纹理过于单一，嗍此在 cs LBP纹理特征 不论足基} 。预测还是基于统计， 榆测 出的行人 同标 中训会Ⅲ现大量的空 所有建模方社都要x十所建模的对