專利名稱：動態(tài)背景下的運動目標(biāo)檢測方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機視覺、模式識別、視頻編碼、基于內(nèi)容的檢索等的交叉領(lǐng)域，尤 其涉及一種動態(tài)背景下的運動目標(biāo)檢測方法及系統(tǒng)。
背景技術(shù)：
運動目標(biāo)檢測在視頻監(jiān)控、虛擬現(xiàn)實、機器人導(dǎo)航、軍事瞄準(zhǔn)、電視編輯、醫(yī)學(xué)圖像 分析等許多領(lǐng)域都有了廣泛的應(yīng)用，因此具有重要的使用價值和廣闊的發(fā)展前景。例如運 動目標(biāo)檢測在以下幾方面就有非常重要的應(yīng)用第一、智能視頻監(jiān)控領(lǐng)域。隨著經(jīng)濟(jì)和社會的發(fā)展，智能視頻監(jiān)控系統(tǒng)不僅應(yīng)用于 政府、軍隊、銀行、電力等傳統(tǒng)的對安全要求高的場合，而且也開始服務(wù)于人們的日常生活 安全，如小區(qū)、商場、學(xué)校、停車場等。這些系統(tǒng)利用計算機視覺和視頻處理技術(shù)自動分析攝 像頭采集的圖像序列，實時對場景中的目標(biāo)進(jìn)行定位、跟蹤、分析以判斷目標(biāo)是否對安全造 成威脅。而這些對目標(biāo)的運動分析，行為理解等諸多后續(xù)處理都依賴于運動目標(biāo)檢測的結(jié)合。第二、智能交通領(lǐng)域。在交通系統(tǒng)中，運動目標(biāo)檢測有廣泛的應(yīng)用，主要包括電子 警察、車流量檢測、車輛超速檢測、卡口車輛統(tǒng)計、車輛異常行為檢測等，智能交通最終需要 的得到的是車牌號、車的數(shù)量、車的顏色和車型等車輛信息，但是要獲得這些重要信息首先 需要一個車輛觸發(fā)和車輛檢測的過程，即需要對運動的車輛進(jìn)行檢測，檢測的結(jié)果提供給 后續(xù)應(yīng)用進(jìn)行處理。所以，運動目標(biāo)檢測的結(jié)果是否優(yōu)良直接影響后續(xù)對車輛的高級分析， 也是提高整個系統(tǒng)性能的重要環(huán)節(jié)。第三、電視電影編輯領(lǐng)域?，F(xiàn)代電視電影節(jié)目編輯技術(shù)發(fā)展日新月異，我們看到的 很多精彩的畫面都是電腦合成的結(jié)果，例如，電視臺新聞節(jié)目中的主持人和變化的背景的 合成，電影中分開拍攝的場景合成令人稱贊的畫面，3D電影立體電影中畫面的分層等，電視 電影編輯過程，當(dāng)需要將一幅場景中拍攝的人提取出來與其他場景進(jìn)行合成時，就需要運 動目標(biāo)的檢測。此外，運動目標(biāo)檢測還應(yīng)用在人機交互，運動分析，視頻傳輸?shù)确矫?。除了上述?用方面的應(yīng)用之外，運動目標(biāo)檢測技術(shù)在軍事領(lǐng)域，特別是制導(dǎo)和導(dǎo)航方面也有廣泛的應(yīng)用。視頻中的運動目標(biāo)檢測是必須解決的基本問題之一，同時也是視頻領(lǐng)域許多高級 應(yīng)用的基礎(chǔ)，如目標(biāo)跟蹤、識別、內(nèi)容分析與行為理解、基于對象的壓縮等。由于各種視頻應(yīng)用的場合不盡相同，運動目標(biāo)所處的環(huán)境和背景千變?nèi)f化，這對 運動目標(biāo)檢測算法的適應(yīng)性和穩(wěn)健性提出了更高的要求。所以，復(fù)雜條件(或背景)下的 運動目標(biāo)檢測一直是視頻圖像處理和理解領(lǐng)域研究的難點和熱點，也日益成為視頻圖像處 理系統(tǒng)實用性和可靠性的一大障礙。復(fù)雜的環(huán)境在運動目標(biāo)檢測中表現(xiàn)在動態(tài)背景(樹 木擺動，水面波動，前景遮擋背景等)、光照變化、攝像機抖動、噪聲等，這些現(xiàn)象在現(xiàn)實場景 中經(jīng)常出現(xiàn)，并且發(fā)生的頻率和程度也不盡相同，所以，現(xiàn)實給運動目標(biāo)檢測算法的設(shè)計提出了更高的要求，針對復(fù)雜環(huán)境下運動目標(biāo)檢測的研究也非常重要和必要。但是，傳統(tǒng)的幀差分法、簡單的背景減除的方法在檢測運動目標(biāo)時很難適應(yīng)背景 的變化。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種動態(tài)背景下的運動目標(biāo)檢測方法及系統(tǒng)，基于本發(fā) 明，以更好的處理動態(tài)背景下的運動目標(biāo)的檢測。一方面，本發(fā)明一種動態(tài)背景下的運動目標(biāo)檢測方法包括分割步驟，確定背景圖 像和當(dāng)前幀圖像，獲取與所述具有第一分辨率的背景圖像原圖對應(yīng)的第二分辨率的圖像， 以及與所述具有第一分辨率的當(dāng)前幀圖像原圖對應(yīng)的第二分辨率的圖像；分別對所述背景 圖像和當(dāng)前幀圖像的第二分辨率圖像進(jìn)行區(qū)域分割，并求出多個子區(qū)域直方圖；所述第一 分辨率大于第二分辨率；第一檢測步驟，第二分辨率下，基于背景圖像的多個子區(qū)域直方圖 獲取背景模型；基于當(dāng)前幀圖像的多個子區(qū)域直方圖與所述背景模型，檢測可能存在運動 目標(biāo)的區(qū)域；第二檢測步驟，第一分辨率下，確定所述可能存在運動目標(biāo)的區(qū)域在所述當(dāng)前 幀圖像中所對應(yīng)的區(qū)域；基于自適應(yīng)高斯混合模型檢測運動目標(biāo)，重新確定所述運動目標(biāo) 所對應(yīng)的區(qū)域；修正步驟，判斷所述運動目標(biāo)所對應(yīng)的區(qū)域與所述可能存在運動目標(biāo)的區(qū) 域是否相同；若否，則基于無限脈沖響應(yīng)濾波器法更新建立的背景模型，然后返回執(zhí)行第二 檢測步驟；若是，則執(zhí)行前景檢測步驟；前景檢測步驟，基于所述修正的背景模型，確定當(dāng) 前幀的前景點與背景點，進(jìn)而完成自適應(yīng)混合高斯模型下的目標(biāo)檢測。上述運動目標(biāo)檢測方法中，優(yōu)選所述分割步驟中，還包括直方圖修正步驟，判斷 所述背景圖像的多個子區(qū)域直方圖和當(dāng)前幀圖像的多個子區(qū)域直方圖是否受邊界效應(yīng)的 影響，若受到影響，則采用線性插值法對子區(qū)域直方圖進(jìn)行修正。上述運動目標(biāo)檢測方法中，優(yōu)選所述可能存在運動目標(biāo)的區(qū)域通過如下方式確 定計算當(dāng)前幀圖像的子區(qū)域直方圖與背景模型對應(yīng)的子區(qū)域直方圖的歐氏距離，若所述 歐式距離大于指定閾值時，所述當(dāng)前幀的子區(qū)域直方圖與所述背景模型中直方圖不相似， 所述當(dāng)前幀子區(qū)域被認(rèn)為可能存在運動目標(biāo)的區(qū)域。上述運動目標(biāo)檢測方法中，優(yōu)選所述修正步驟中，通過如下方式，基于無限脈沖響 應(yīng)濾波器法更新建立的背景模型Bk=(Pa)Bk-Ja^fk其中，1)是更新率，fk是當(dāng)前幀對應(yīng)的直方圖，Bk-I是前一幀背景模 型的直方圖，Bk是當(dāng)前幀背景模型的直方圖。上述運動目標(biāo)檢測方法中，優(yōu)選所述第二檢測步驟中，所述自適應(yīng)高斯混合模型 通過如下方式獲取使用自適應(yīng)高斯混合模型進(jìn)行建模；對模型中的混合高斯分布參數(shù)進(jìn) 行修正；對模型中各個權(quán)重進(jìn)行歸一化處理；從混合高斯分布集合中選出多個高斯分布作 為自適應(yīng)高斯混合模型。另一方面，本發(fā)明一種動態(tài)背景下的運動目標(biāo)檢測系統(tǒng)，包括分割模塊、第一檢 測模塊、第二檢測模塊、修正模塊和前景檢測模塊。其中分割模塊用于確定背景圖像和當(dāng) 前幀圖像，獲取與所述具有第一分辨率的背景圖像原圖對應(yīng)的第二分辨率的圖像，以及與 所述具有第一分辨率的當(dāng)前幀圖像原圖對應(yīng)的第二分辨率的圖像；分別對所述背景圖像和當(dāng)前幀圖像的第二分辨率圖像進(jìn)行區(qū)域分割，并求出多個子區(qū)域直方圖；所述第一分辨率 大于第二分辨率；第一檢測模塊用于第二分辨率下，基于背景圖像的多個子區(qū)域直方圖獲 取背景模型；基于當(dāng)前幀圖像的多個子區(qū)域直方圖與所述背景模型，檢測可能存在運動目 標(biāo)的區(qū)域；第二檢測模塊用于第一分辨率下，確定所述可能存在運動目標(biāo)的區(qū)域在所述當(dāng) 前幀圖像中所對應(yīng)的區(qū)域；基于自適應(yīng)高斯混合模型檢測運動目標(biāo)，重新確定所述運動目 標(biāo)所對應(yīng)的區(qū)域；修正模塊用于判斷所述運動目標(biāo)所對應(yīng)的區(qū)域與所述可能存在運動目標(biāo) 的區(qū)域是否相同；若否，則基于無限脈沖響應(yīng)濾波器法更新建立的背景模型，然后返回執(zhí)行 第二檢測步驟；若是，則執(zhí)行前景檢測步驟；前景檢測模塊用于基于所述修正的背景模型， 確定當(dāng)前幀的前景點與背景點，進(jìn)而完成自適應(yīng)混合高斯模型下的目標(biāo)檢測。上述運動目標(biāo)檢測系統(tǒng)，優(yōu)選所述分割模塊中，還包括直方圖修正單元，用于判 斷背景圖像的多個子區(qū)域直方圖和當(dāng)前幀圖像的多個子區(qū)域直方圖是否受邊界效應(yīng)的影 響，若受到影響，則采用線性插值法對子區(qū)域直方圖進(jìn)行修正。上述運動目標(biāo)檢測系統(tǒng)，優(yōu)選所述可能存在運動目標(biāo)的區(qū)域通過如下方式確定 計算當(dāng)前幀圖像的子區(qū)域直方圖與背景模型對應(yīng)的子區(qū)域直方圖的歐氏距離，若所述歐式 距離大于指定閾值時，所述當(dāng)前幀的子區(qū)域直方圖與所述背景模型中直方圖不相似，所述 當(dāng)前幀子區(qū)域被認(rèn)為可能存在運動目標(biāo)的區(qū)域。上述運動目標(biāo)檢測系統(tǒng)，優(yōu)選所述修正模塊中，通過如下方式，基于無限脈沖響應(yīng) 濾波器法更新建立的背景模型=Bk = (l-^B^+a · fk ；其中，a (0彡a彡1)是更新率，fk是 當(dāng)前幀對應(yīng)的直方圖，Bk^1是前一幀背景模型的直方圖，Bk是當(dāng)前幀背景模型的直方圖。上述運動目標(biāo)檢測系統(tǒng)，優(yōu)選所述第二檢測模塊中，所述自適應(yīng)高斯混合模型通 過如下方式獲取使用自適應(yīng)高斯混合模型進(jìn)行建模；對模型中的混合高斯分布參數(shù)進(jìn)行 修正；對模型中各個權(quán)重進(jìn)行歸一化處理；從混合高斯分布集合中選出多個高斯分布作為 自適應(yīng)高斯混合模型。相對于現(xiàn)有技術(shù)而言，本發(fā)明充分考慮序列圖像中背景變化在時間和空間上的關(guān) 系，可以很好的處理動態(tài)背景問題，并且，本發(fā)明的高、低分辨率的互補檢測過程，相對于混 合高斯模型運動目標(biāo)檢測有以下優(yōu)點第一，對于背景緩慢或突發(fā)局部擾動，低分辨率都可 以減少其影響，進(jìn)而減少互補算法的檢測錯誤，但是直接使用混合高斯模型檢測不能處理 突發(fā)局部擾動，會在背景突然變化時刻造成檢測錯誤。第二，高、低分辨率互補檢測對噪聲 影響具有一定的魯棒性。


圖IA為本發(fā)明動態(tài)背景下的運動目標(biāo)檢測方法框架圖；圖IB為圖像的多分辨率分層圖示意圖；圖2為本發(fā)明動態(tài)背景下的運動目標(biāo)檢測方法實施例的步驟流程圖；圖3為本發(fā)明動態(tài)背景下的運動目標(biāo)檢測方法的運動目標(biāo)檢測結(jié)果圖；圖4為不同子區(qū)域選取方式下的低分辨率運動目標(biāo)區(qū)域檢測結(jié)果圖；圖5為本發(fā)明動態(tài)背景下的運動目標(biāo)檢測系統(tǒng)的結(jié)構(gòu)框圖。
具體實施例方式為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實 施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明。運動目標(biāo)檢測是計算機視覺、模式識別、視頻編碼、基于內(nèi)容的檢索等領(lǐng)域的研究 重點和難點，已經(jīng)在視頻監(jiān)控、虛擬現(xiàn)實、機器人導(dǎo)航等許多領(lǐng)域得到廣泛應(yīng)用。參照圖IA和圖1B，本發(fā)明采用降低分辨率的方法，對圖像進(jìn)行多分辨率處理。其 中，多分辨率處理是指對圖像進(jìn)行高斯模糊并降低分辨率的過程。發(fā)明分為低分辨率處理 和高分辨率處理兩步，低分辨率下獲取運動目標(biāo)的子區(qū)域，高分辨率得到精確的檢測結(jié)果。參照圖2，圖2為本發(fā)明動態(tài)背景下的運動目標(biāo)檢測方法實施例的步驟流程圖，包 括如下步驟分割步驟S210，確定背景圖像和當(dāng)前幀圖像，獲取與所述具有第一分辨率的 背景圖像原圖對應(yīng)的第二分辨率的圖像，以及與所述具有第一分辨率的當(dāng)前幀圖像原圖對 應(yīng)的第二分辨率的圖像；分別對所述背景圖像和當(dāng)前幀圖像的第二分辨率圖像進(jìn)行區(qū)域分 割，并求出多個子區(qū)域直方圖；所述第一分辨率大于第二分辨率；第一檢測步驟S220，第二 分辨率下，基于背景圖像的多個子區(qū)域直方圖獲取背景模型；基于當(dāng)前幀圖像的多個子區(qū) 域直方圖與所述背景模型，檢測可能存在運動目標(biāo)的區(qū)域；第二檢測步驟S230，第一分辨 率下，確定所述可能存在運動目標(biāo)的區(qū)域在所述當(dāng)前幀圖像中所對應(yīng)的區(qū)域；基于自適應(yīng) 高斯混合模型檢測運動目標(biāo)，重新確定所述運動目標(biāo)所對應(yīng)的區(qū)域；修正步驟S240，判斷 所述運動目標(biāo)所對應(yīng)的區(qū)域與所述可能存在運動目標(biāo)的區(qū)域是否相同；若否，則基于無限 脈沖響應(yīng)濾波器法更新建立的背景模型，然后返回執(zhí)行第二檢測步驟；若是，則執(zhí)行前景檢 測步驟；前景檢測步驟S250，基于所述修正的背景模型，確定當(dāng)前幀的前景點與背景點，進(jìn) 而完成自適應(yīng)混合高斯模型下的目標(biāo)檢測。上述各個步驟涉及如下技術(shù)圖像的多分辨率處理本發(fā)明所使用的圖像的多分辨率處理是指對圖像進(jìn)行高斯模糊并降低分辨率的過 程，即原有圖像進(jìn)行高斯平滑，然后利用均值濾波進(jìn)行降分辨率處理，得到低分辨率圖像。背景圖像估計方法(1)統(tǒng)計平均方法這種方法是對背景圖像進(jìn)行多幅平均，多幅圖像經(jīng)常選擇最近一段時間內(nèi)的連續(xù) 圖像，這種方法一般適用于場景內(nèi)目標(biāo)滯留時間較短，目標(biāo)出現(xiàn)不頻繁的情況。簡單的背景 修正方法可采用如下方式
權(quán)利要求
一種動態(tài)背景下的運動目標(biāo)檢測方法，其特征在于，分割步驟，確定背景圖像和當(dāng)前幀圖像，獲取與所述具有第一分辨率的背景圖像原圖對應(yīng)的第二分辨率的圖像，以及與所述具有第一分辨率的當(dāng)前幀圖像原圖對應(yīng)的第二分辨率的圖像；分別對所述背景圖像和當(dāng)前幀圖像的第二分辨率圖像進(jìn)行區(qū)域分割，并求出多個子區(qū)域直方圖；所述第一分辨率大于第二分辨率；第一檢測步驟，第二分辨率下，基于背景圖像的多個子區(qū)域直方圖獲取背景模型；基于當(dāng)前幀圖像的多個子區(qū)域直方圖與所述背景模型，檢測可能存在運動目標(biāo)的區(qū)域；第二檢測步驟，第一分辨率下，確定所述可能存在運動目標(biāo)的區(qū)域在所述當(dāng)前幀圖像中所對應(yīng)的區(qū)域；基于自適應(yīng)高斯混合模型檢測運動目標(biāo)，重新確定所述運動目標(biāo)所對應(yīng)的區(qū)域；修正步驟，判斷所述運動目標(biāo)所對應(yīng)的區(qū)域與所述可能存在運動目標(biāo)的區(qū)域是否相同；若否，則基于無限脈沖響應(yīng)濾波器法更新建立的背景模型，然后返回執(zhí)行第二檢測步驟；若是，則執(zhí)行前景檢測步驟；前景檢測步驟，基于所述修正的背景模型，確定當(dāng)前幀的前景點與背景點，進(jìn)而完成自適應(yīng)混合高斯模型下的目標(biāo)檢測。
2.根據(jù)權(quán)利要求1所述的運動目標(biāo)檢測方法，其特征在于，所述分割步驟中，還包括直方圖修正步驟，判斷所述背景圖像的多個子區(qū)域直方圖和當(dāng)前幀圖像的多個子區(qū)域直方圖是否受邊界效應(yīng)的影響，若受到影響，則采用線性插值法對子區(qū)域直方圖進(jìn)行修正。
3.根據(jù)權(quán)利要求2所述的運動目標(biāo)檢測方法，其特征在于，所述可能存在運動目標(biāo)的 區(qū)域通過如下方式確定計算當(dāng)前幀圖像的子區(qū)域直方圖與背景模型對應(yīng)的子區(qū)域直方圖的歐氏距離，若所述 歐式距離大于指定閾值時，所述當(dāng)前幀的子區(qū)域直方圖與所述背景模型中直方圖不相似， 所述當(dāng)前幀子區(qū)域被認(rèn)為可能存在運動目標(biāo)的區(qū)域。
4.根據(jù)權(quán)利要求3所述的運動目標(biāo)檢測方法，其特征在于，所述修正步驟中，通過如下 方式，基于無限脈沖響應(yīng)濾波器法更新建立的背景模型Bk = (Pa)Bk-^a · fk其中，1)是更新率，fk是當(dāng)前幀對應(yīng)的直方圖，Blri是前一幀背景模型的直 方圖，Bk是當(dāng)前幀背景模型的直方圖。
5.根據(jù)權(quán)利要求4所述的運動目標(biāo)檢測方法，其特征在于，所述第二檢測步驟中，所述 自適應(yīng)高斯混合模型通過如下方式獲取使用自適應(yīng)高斯混合模型進(jìn)行建模；對模型中的混合高斯分布參數(shù)進(jìn)行修正；對模型 中各個權(quán)重進(jìn)行歸一化處理；從混合高斯分布集合中選出多個高斯分布作為自適應(yīng)高斯混 合模型。
6.一種動態(tài)背景下的運動目標(biāo)檢測系統(tǒng)，其特征在于，包括分割模塊，用于確定背景圖像和當(dāng)前幀圖像，獲取與所述具有第一分辨率的背景圖像 原圖對應(yīng)的第二分辨率的圖像，以及與所述具有第一分辨率的當(dāng)前幀圖像原圖對應(yīng)的第二 分辨率的圖像；分別對所述背景圖像和當(dāng)前幀圖像的第二分辨率圖像進(jìn)行區(qū)域分割，并求 出多個子區(qū)域直方圖；所述第一分辨率大于第二分辨率；第一檢測模塊，用于第二分辨率下，基于背景圖像的多個子區(qū)域直方圖獲取背景模型；基于當(dāng)前幀圖像的多個子區(qū)域直方圖與所述背景模型，檢測可能存在運動目標(biāo)的區(qū)域；第二檢測模塊，用于第一分辨率下，確定所述可能存在運動目標(biāo)的區(qū)域在所述當(dāng)前幀 圖像中所對應(yīng)的區(qū)域；基于自適應(yīng)高斯混合模型檢測運動目標(biāo)，重新確定所述運動目標(biāo)所 對應(yīng)的區(qū)域；修正模塊，用于判斷所述運動目標(biāo)所對應(yīng)的區(qū)域與所述可能存在運動目標(biāo)的區(qū)域是否 相同；若否，則基于無限脈沖響應(yīng)濾波器法更新建立的背景模型，然后返回執(zhí)行第二檢測步 驟；若是，則執(zhí)行前景檢測步驟；前景檢測模塊，用于基于所述修正的背景模型，確定當(dāng)前幀的前景點與背景點，進(jìn)而完 成自適應(yīng)混合高斯模型下的目標(biāo)檢測。
7.根據(jù)權(quán)利要求6所述的運動目標(biāo)檢測系統(tǒng)，其特征在于，所述分割模塊中，還包括直方圖修正單元，用于判斷背景圖像的多個子區(qū)域直方圖和當(dāng)前幀圖像的多個子區(qū)域直方圖是否受邊界效應(yīng)的影響，若受到影響，則采用線性插值法對子區(qū)域直方圖進(jìn)行修正。
8.根據(jù)權(quán)利要求7所述的運動目標(biāo)檢測系統(tǒng)，其特征在于，所述可能存在運動目標(biāo)的 區(qū)域通過如下方式確定計算當(dāng)前幀圖像的子區(qū)域直方圖與背景模型對應(yīng)的子區(qū)域直方圖的歐氏距離，若所述 歐式距離大于指定閾值時，所述當(dāng)前幀的子區(qū)域直方圖與所述背景模型中直方圖不相似， 所述當(dāng)前幀子區(qū)域被認(rèn)為可能存在運動目標(biāo)的區(qū)域。
9.根據(jù)權(quán)利要求8所述的運動目標(biāo)檢測系統(tǒng)，其特征在于，所述修正模塊中，通過如下 方式，基于無限脈沖響應(yīng)濾波器法更新建立的背景模型Bk = (Pa)Bk-^a · fk其中，1)是更新率，fk是當(dāng)前幀對應(yīng)的直方圖，Blri是前一幀背景模型的直 方圖，Bk是當(dāng)前幀背景模型的直方圖。
10.根據(jù)權(quán)利要求9所述的運動目標(biāo)檢測系統(tǒng)，其特征在于，所述第二檢測模塊中，所 述自適應(yīng)高斯混合模型通過如下方式獲取使用自適應(yīng)高斯混合模型進(jìn)行建模；對模型中的混合高斯分布參數(shù)進(jìn)行修正；對模型 中各個權(quán)重進(jìn)行歸一化處理；從混合高斯分布集合中選出多個高斯分布作為自適應(yīng)高斯混 合模型。
全文摘要
本發(fā)明公開了一種動態(tài)背景下的運動目標(biāo)檢測方法及系統(tǒng)。該方法包括低分辨率處理和高分辨率處理，低分辨率下獲取運動目標(biāo)的子區(qū)域，高分辨率得到精確的檢測結(jié)果。本發(fā)明可以很好的處理動態(tài)背景問題；并且，本發(fā)明的高、低分辨率的互補檢測過程，相對于混合高斯模型運動目標(biāo)檢測有以下優(yōu)點第一，對于背景緩慢或突發(fā)局部擾動，低分辨率都可以減少其影響，進(jìn)而減少互補算法的檢測錯誤，但是直接使用混合高斯模型檢測不能處理突發(fā)局部擾動，會在背景突然變化時刻造成檢測錯誤。第二，高、低分辨率互補檢測對噪聲影響具有一定的魯棒性。
文檔編號G06T7/20GK101996410SQ20101058285
公開日2011年3月30日 申請日期2010年12月7日 優(yōu)先權(quán)日2010年12月7日
發(fā)明者劉渭濱, 崇信毅, 戶磊, 李波, 邢薇薇, 邱亞欽 申請人:北京交通大學(xué)