基于典型相关的视频运动目标检测.pdfVIP

第35卷第 1期 杭 州 电子 科 技 大学 学 报 (自然科学版) V0I．35No．1 2015年 1月 JOURNAL OF HANGZHOU DIANZI UNlVERSrrY(NaturalSciences) Jan．2015 DOI：10．13954／j．cnki．hdu．2015．01．009 基于典型相关的视频运动 目标检测 徐 俊 ，郭春生，沈 佳 (杭州电子科技大学通信工程学院，浙江 杭州310018) 摘要：在智能监控系统中，视频运动 目标检测是 目标分类和行为理解的基础。由于视频背景的复 杂性，考虑检测问题中能量函数的全局优化，提出了基于典型相关的树加权置信传播(Taw)算法用 于视频运动 目标检测。算法首先将视频图像分成一些图像块 ，构造有环图模型；然后运用TRW算法 将环路分解成生成树的形式，实现有环图模型上的视频运动 目标优化检测。仿真结果表明，算法具 有较高的准确度，与传统的置信传播(BP)算法相比较，能有效降低迭代次数，提高计算效率。 关键词 ：置信传播；典型相关；视频运动 目标检测 中图分类号：TN911．73 文献标识码：A 文章编号：1001—9146(20l5)O1—0045—04 O 引 言 视频运动 目标检测从图像序列中划分出对象区域，是智能监控系统对 目标进行分类和行为分析的 基础。目前，常用的检测方法有光流法、帧差法、背景差法等。由于背景受到遮挡、光照变换、像素级的 噪声和干扰等因素的影响，造成背景更新波动大，在这样复杂的背景下文献 [1]结合HIS颜色空间和局 部纹理模式以完成 目标的有效检测；文献 [2]提出一种基于相关特征匹配的检测算法，通过提取图像特 征，利用特征参数欧式距离来检测 目标；文献 [3]在马尔科夫随机场中引入置信传播算法，完成行人、车 辆的有效检测。置信传播(BeliefPropagation，BP)算法 4【 是一种重要的优化方法，它在最小化能量的 框架下，对能量函数进行全局优化，但是实际上BP算法的计算复杂度是指数级的，且在环路当中BP算 法的收敛性不能得到保证，这样限制了算法的应用。因此，本文在 BP算法的基础上，提出了基于典型 相关的树加权置信传播 (Tree．Reweighted，TRw)算法用于运动 目标检测，通过对图像分块、构建环路图 模型，有效减少计算量，降低 BP算法的计算复杂度。 1 基于典型相关的TRw算法实现 本文提出的基于典型相关的TRw算法是一种优化算法，算法的流程如图l所示。首先将输入的视 图1 算法流程 图 收稿 日期 ：2014—06—05 基金项 目：国家 自然科学基金资助项 目 作者简介：徐俊 (1990一)，男，浙江嘉兴人，在读研究生，信号与信息处理．通信作者：郭春生教授，E—nmil：guo．clash@ laiI_tom． 杭 州 电子 科 技 大 学 学 报 2015篮 频图像分成子图像块；然后计算相邻子图像块间的典型相关系数，选取系数值最大的两子图像块进行连 接，构建新的环路；最后利用TRW算法将有环图模型分解成生成树，迭代更新信息，计算块置信度，并 和背景块置信度对比，实现运动 目标检测。 1．1 有环图模型生成 将输入的视频图像分成大小相同的若干子图像块，定义其中两子图像块变量 和 ，，它们的线性 组合表示为 和 ： fUf=01Xi1十02恐+…十npX =aXi ， ． 、 【=bl1+62 +…+6p =6 定义变量Cov(X)=S ( )=．s，c西(Xi， )=Slf=Stji，则有： D( )=D(aXi)=aCov(Xi，Xi)a=aSi