复杂场景中基于对象的运动目标检测方法 object-oriented moving target detection in complex scenes.pdfVIP

第37 卷第 11 期 光电工程 Vol.37, No.11 2010 年 11 月 Opto-Electronic Engineering Nov, 2010 文章编号：1003-501X(2010)11-0001-07 复杂场景中基于对象的运动目标检测方法 张笑微，周建雄 （西南科技大学 信息工程学院，四川 绵阳 621010 ） 摘要：基于像素层面的混合高斯背景建模方法不能很好的解决动态背景中的运动目标检测问题。由于背景像素运 动的复杂性，该方法很难将动态背景建入模型，会造成大量的误检。本文在混合高斯背景建模的基础上，通过空 域和时域对动态背景产生的误检进行抑制。在空域运用 MRF 模型和混合高斯模型分别计算像素点的先验概率和 类条件概率，通过结合像素点的先验概率和类条件概率完成前景图像的分割，在很大程度上去除了小面积的误检； 在时域通过目标的运动持续性，运动显著性和面积变化稳定性三个目标特征过滤大面积的误检。通过实验表明， 在保证较高检测精度的情况下，该方法能够在很大程度上抑制动态背景产生的误检。 关键词：混合高斯背景建模；运动持续性；运动显著性；面积变化稳定性 中图分类号：TP391 ；TN911.73 文献标志码：A doi：10.3969/j.issn.1003-501X.2010.11.001 Object-oriented Moving Target Detection in Complex Scenes ZHANG Xiao-wei ，ZHOU Jian-xiong ( School of Information Engineering, Southwest University of Science and Technology, Mianyang 621010, Sichuan Province, China ) Abstract ：Pixel-based MOG background modeling is not a good method to deal with moving target detection in dynamic background. It is hard to model the dynamic background in this method due to the complex movement of background pixels. Thus, huge sums of false positives would occur. This paper aims to suppress the false positives in space domain and time domain. In space domain, class-prior probability and class-conditional-probability of a pixel were calculated from MRF model and Mixture of Gaussians (MOG) model. By combining the class-prior probability and class-conditional-probability, foreground segmentation was completed to suppress a majority of false positives of small size. In time domain, three target characteristics were obs