基于空间邻域相关性的运动目标检测方法.PDFVIP

第36卷第2期 光电工程 Vo1．36，No．2 2009年2月 Opto—ElectronicEngineering Feb，2009 文章编号：1003—501X(2009)02—0001—05 基于空间邻域相关性的运动 目标检测方法 印 勇，王亚飞 (重庆大学 通信工程学院，重庆 400044) 摘要：针对传统混合高斯模型运动 目标检测准确度不高的问题，本文提出了一种改进的运动 目标检测算法。该方 法通过利用空间邻域的相关性信息，结合混合高斯模型来提高运动 目标检测的准确性。首先，对图像中的每一像 素建立高斯模型，并采用模型的匹配次数确定方差更新系数的算法，解决了传统方法中方差收敛缓慢的问题；然 后重新定义了马尔科夫随机场的势能函数，并融入空间邻域的相关性信息，由此获得了用于运动 目标检测的自适 应阈值。采用IBM研究中心的测试视频序列对本丈的方法进行了测试，实验结果表明，本文的方法对复杂的场景 有较好的适应性，能够得到比较准确的检测结果。 关键词：运动 目标检测；混合高斯模型；空间邻域相关性；马尔可夫随机场 中图分类号：TP391．41 文献标志码：A MovingObjectDetectionBasedonSpatialLocalCorrelation YIN Yong，W ANG Ya-fei (CollegeofCommunicationEngineering,ChongqingUniversity，Chongqing400044，China) Abstract：TheaccuracyofmovingobjectdetectionbasedontraditionalGaussianmixturemodelisnothigh．Inorderto solvethisproblem，animprovedmethodformovingobjectdetectionwasproposed，whichcouldimprovetheaccuracyof movingobjectdetectionbyGaussianmixturemodelwithspatiallocalcorrelation．Firstly,theGaussianmixturemodel was builtforeachpixelinimage，andthealgorithm oftheupdatingthevarinacecoefficientsbasedonthenumberof modelmatchingwasusedtosolvehteproblem thathtevarinaceconvergedslowlyintraditionalmethod．Th en，theenergy functionofhteMarkovrandom fieldwasredefinednadcombinedwiththespatiallocalcorrelation，nad na adaptive thresholdwasobtainedformovingobjectdetection．ByusinghtepublicavailabletestdatasetfromIBM Research，hte experimentswerecarriedout．Testresultsillustratethathteproposedmethodcanadapttohtedynamicscenesmuchbetter, andobatinmoreaccurateresultsofmovnigobjectdetection． Keywords：movingobjectdetection；Gaussianmixturemodel；spatiallocalcorrelation；Markovrandomfield 0 引 言 运动 目标检测是计算机视觉领域中的一个重要内容，它的结果的好坏