视频背景建模调研报告.docVIP

视频背景建模调研报告 视频背景建模调研报告 一、背景与重要意义 运动目标检测是计算机视觉领域的一个重要研究方向， 是各种后续高级处理， 如目标分类、行为理解等的基础，在安全监控、智能交通等领域都有着广泛的应用。而在计算机视觉以及智能视频监控等领域，背景建模是一项关键技术，是实现运动目标检测及跟踪的基础。因此，对于视频背景建模的研究有着重要的意义。 背景建模是序列图像分析的基础性工作，是当今国内外学者研究的热点问题。建模的结果将对视频图像的运动检测、运动目标分类、跟踪及行为理解等后续处理产生重要影响。但是由于实际应用环境的不同和背景的多样性，难以建立良好的背景样本。所以，在实际应用中需要通过不同的算法来优化设计方案，才能得到较好的成果。 国内外研究现状(2009~2014)： 期刊论文 王典：西北工业大学 ， 控制理论与控制工程， 2006， 硕士 [1] 王典. 基于混合高斯的背景建模与阴影抑制算法研究 [D]. 西北工业大学. 2006 刘翔：武汉科技大学 工程训练中心 [1] 刘翔, 周桢. 基于分块背景建模的运动目标检测技术[J]. 液晶与显示, 2011, 26(6): 831-835. 刘晓男：南京大学， 电子与通信工程（专业学位）， 2011， 硕士 [1] 刘晓男. 面向视频监控的复杂背景建模及优化方法[D]. 南京大学 2011 马凡：华中科技大学， 模式识别与智能系统， 2013， 硕士 [1] 马凡. 智能视频监控中的背景建模算法研究[D]. 华中科技大学 2013 14刘洁：哈尔滨工业大学深圳研究生院 [1] 刘洁,张东来. 关于自适应高斯混合背景模型的更新算法研究[J].微计算机信息,2006,(22):241-242.doi:10.3969/j.issn.1008-0570.2006.22.089. 三．视频背景建模研究现状总结 背景建模也称为背景估计，其主要目的是根据当前的估计背景，把对视频帧图像中 运动目标检测问题转化为二分类问题，将所有像素归为背景或者运动前景两类，然后对 分类结果进行后处理，得到最终的检测结果。获得背景图像最简单的方法即在场景中无 运动目标时捕获，但此法不能实现自适应。常常仅适合场景的短时监控，不能满足智能 监控系统对背景建模的要求。研究人员为了研发出理想背景模型，试图利用各种已知的 信息，在现有系统中利用高层的处理结果来给背景估计提供反馈信息，决定哪些像素点 应该被吸收成为背景模型的一部分，哪些为运动前景像素。 主要方法有： 1.平均值法 平均值法通过在一段时间内获取的n帧图像b1，b2····bn，先进行加运算再求取平均 值，得到图像Bn，若n值足够大则在图像Bn中背景信息被保留下来，而临时物体则被滤 除。Bn可近似看做是背景图，但此法运算量大耗费系统资源严重，在实际应用中不可 行。 2.直方图法 直方图法统计连续n帧同一象素点的灰度直方图，出现次数最多的灰度值则被看做 是该象素点的背景像素点，按此方法得到整幅图像的背景。该方法的前提是背景图象帧 数在交通视频流中占多数。而对于交通堵塞的情况，该方法得到伪背景(缓慢运动的车 辆)，此时该方法失效。 3.单高斯模型 单高斯模型法基于视频图像中的每一个独立的像素点，依据其观测值在序列图像中的 变化与一个高斯分布密度函数的关系，来判定该像素点属于背景还是前景。对于一个背景图 像，每个像素位置的亮度分布满足高斯分布。若一个像素点(i, j)的新采样值Xt+1，满足分别是随时间更新的高斯分布的均值和均方差，k是一个正数，则认为该点是背景像素点，否则认为是前景像素点。 单高斯模型假定背景像素点的亮度分布比较集中，可以用单分布概率模型来描述，能有 效地处理有微小变化与缓慢变化的简单场景。当场景变化很大时，背景像素值的变化较快， 不能满足一个稳定的单峰分布也不能渐渐过渡到另一个单峰分布，这时单高斯模型就不能准 确的描述背景了。 4.混和高斯模型 对于复杂视频场景，单一的高斯模型不能准确的描述背景，提供精确的背景图像，因此 产生了混合高斯模型。混合高斯模型的建模方法为:用一个时间序列{Xl,..., Xt}表示获得 的视频序列像素点的观测值，假设同帧图像中某个像素点的观测值与其它像素点的观测值相 互独立，不同采样时刻该像素点的观测值也是独立同分布，且该分布由K个独立的高斯分量构成。定义当前像素点的概率密度函数为P(Xt)： 即P（Xt）为K个高斯模型的概率密度函数的加权之和。其中?i表示第i个高斯分布， 分别为第i个高斯分布的均值和协方差矩阵，是t时刻该像素点第i个高斯分布的概率密度函数的权值系数，K为混合高斯模型中高斯分布的个数，一般取3到5个。