基于分箱核密度估计的非参数多模态背景模型.docVIP

基于分箱核密度估计的非参数多模态背景模型 　　摘要：提出了一种用于检测运动目标的非参数多模态背景模型。该模型采用分箱核密度估计算法从训练图像序列中得到背景的密度函数。分箱核密度估计算法利用基于网格数据重心的分箱规则，很好地提取了训练图像序列的关键信息,避免了采用全样本数据点的重复计算, 大大提高了运动目标检测算法的实时性。通过与全样本算法进行对比，发现该背景模型在运动目标检测中的有效性，可用于户外的实时交通监控系统。 　　关键词：非参数背景模型；运动目标检测；核密度估计；分箱规则 　　中图分类号： TP391.41 　　文献标识码：A 　　 　　0引言?? 　　 　　运动目标的检测与分割广泛应用于视频监视、交通监测、图像压缩等领域。如何在视频序列中对目标进行有效分割,是计算机视觉中的一个重要课题[1]。?? 　　运动目标的分割算法主要有光流法、帧差法、背景差法等。光流法[2,3]计算量很大，对硬件要求比较高，无法满足实时性的要求；帧差法[4,5]能够适应环境的动态变化,实现实时的运动分割,但是依赖于运动物体的速度，速度过快或者过慢都会检测不到运动物体；与光流法、帧差法相比，背景差法[6~9]能够简单、有效地提取完整的车辆特征，所以一般采用背景差法来检测车辆，这也是本文重点讨论的算法。?? 　　最简单的背景差法是预先获得不含前景运动目标的背景图像,然后将当前帧与该