国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于加權ks背景模型優(yōu)化算法的視頻運動目標檢測方法

      文檔序號:6516605閱讀:331來源:國知局
      基于加權ks背景模型優(yōu)化算法的視頻運動目標檢測方法
      【專利摘要】本發(fā)明公開了一種基于加權KS背景模型優(yōu)化算法的視頻運動目標檢測方法。本發(fā)明首先利用混合高斯背景模型算法,更新高斯背景模型參數(shù)。其次,讀入相鄰的m幅視頻圖像,利用加權KS背景模型優(yōu)化處理,計算高斯加權系數(shù),實現(xiàn)背景模型優(yōu)化。再次將像素點逐個代入所建模型,求解擬合偏差,并將其與門限值比較,若大于門限值則判定為前景,用“0”表示,反之即判為背景,用“1”表示,由此實現(xiàn)對運動目標的檢測。最后,檢測到的圖像如果是最后一幀,則結束檢測,反之進行下一幀圖像的檢測處理,直至所有的視頻圖像均被檢測完為止。本發(fā)明建立的背景模型能更好的跟蹤背景的變化,故檢測的效果也更為理想。
      【專利說明】基于加權KS背景模型優(yōu)化算法的視頻運動目標檢測方法
      【技術領域】
      [0001]本發(fā)明屬于視頻運動目標檢測【技術領域】,具體涉及一種基于加權KS背景模型優(yōu)化算法的視頻運動目標檢測方法。
      【背景技術】
      [0002]在傳統(tǒng)的視頻運動目標檢測的背景建模中,通常選用混合高斯框架進行背景建?!,F(xiàn)有的混合高斯模型的背景優(yōu)化技術,多是通過模型參數(shù)的自適應更新,或是或高斯模型的維數(shù)的自適應來選取,實現(xiàn)背景模型的優(yōu)化。而該框架下的建模及檢測需設定運動目標像素點為均勻分布,而該種分布與實際情況存在偏差,因此難免存在檢測失真。為此,近年有將擬合優(yōu)度檢測的方法引入到視頻運動目標的檢測,該方法的建模及檢測主要是基于對檢測到的數(shù)據(jù)的統(tǒng)計分析進行建模,并根據(jù)所建模型與已知模型的擬合程度,來實現(xiàn)對目標的檢測。雖然,該種檢測方法在對視頻運動目標的檢測中已獲得一定的成果,但該方法本身存在著小概率的累積誤檢的缺陷,故檢測的魯棒性不高。

      【發(fā)明內(nèi)容】
      [0003]本發(fā)明中提出了基于加權KS背景模型優(yōu)化的視頻運動目標檢測方法,該方法在擬合優(yōu)度檢測的基礎上,通過加權技術改善了檢測的魯棒性,同時又充分結合數(shù)學工具實現(xiàn)了對模型的優(yōu)化研究,實現(xiàn)了基于數(shù)據(jù)驅動的背景建模優(yōu)化。該方法的具體思路:首先,利用混合高斯背景模型算法,更新高斯背景模型參數(shù)。其次,讀入相鄰的m幅視頻圖像,利用加權KS背景模型優(yōu)化處理,計算高斯加權系數(shù),實現(xiàn)背景模型優(yōu)化。再次,將像素點逐個代入所建模型,求解擬合偏差,并將其與門限值比較,若大于門限值則判定為前景,用“O”表示,反之即判為背景,用“I”表示,由此實現(xiàn)對運動目標的檢測。最后,檢測到的圖像如果是最后一幀,則結束檢測,反之跳回步驟二進行下一幀圖像的檢測處理,直至所有的視頻圖像均被檢測完為止。
      [0004]為方便描述
      【發(fā)明內(nèi)容】
      ,首先做以下術語定義:
      [0005]定義IKS檢測方法
      [0006]KS檢測是關于比較兩個分布函數(shù)的一種擬合優(yōu)度檢測方法,具體來說是基于經(jīng)驗分布函數(shù)?11(1)和已知分布函數(shù)Ftl (X)之間的擬合度的研究。定義擬合最大偏差距離為Dmax。則對應目標函數(shù)為:
      [0007]Dmax = max | Fn (x) -F0 (x)
      [0008]在檢測過程中,根據(jù)經(jīng)驗預先設置一個門限值Dtl,檢測過程即為比較最大偏差值Dmax與門限值Dtl的大小來做出判斷。具體的檢測過程表述如下:
      [0009]
      D > Dn 檢測點不屬于已知分布內(nèi)的點
      max O
      D <Da 檢測點屬于已知分布內(nèi)的點..max O[0010]定義2加權KS檢測方法
      [0011]類似于KS檢測的方法,加權KS檢測方法同樣屬于擬合優(yōu)度檢測,只是此時檢測的目標函數(shù)為一個復合參數(shù)模型,具體操作過程中需要首先對其模型參數(shù)進行優(yōu)化處理,然后再計算擬合偏差及目標判定。加權KS檢測方法的具體數(shù)學表達式如下:優(yōu)化目標函數(shù)
      【權利要求】
      1.基于加權KS背景模型優(yōu)化算法的視頻運動目標檢測方法,其特征在于該方法的具體步驟是: 步驟一:利用混合高斯背景模型算法,更新混合高斯背景模型參數(shù); 步驟二:讀入相鄰的m幅視頻圖像,利用加權KS背景模型優(yōu)化處理,計算高斯加權系數(shù),實現(xiàn)背景模型優(yōu)化; 假設第t幀圖像中第j個像素點的灰度值\,t,則優(yōu)化目標函數(shù)定義為:Objixjj,Θ) = sup^ ,) - Fixjl,θ)\),( = 1,2,…,m, 其中加權函數(shù)Φ(叩,F(r,鄭,數(shù)據(jù)經(jīng)驗分布函數(shù)^丄?χ~],
      IHIH ;_|
      模型經(jīng)驗分布函數(shù) 其中,k為混合高斯的模型個數(shù),Xj.t表示第t幀圖像中第j個像素點的灰度值;F (xJ; t, θ )為k維高斯分布概率;θ = [W1 W2…wk]T為k維高斯系數(shù)列向量;Aw:!:滿足不等式條件時取I,不滿足時取O ;為第i個均值為μ i;方差為erf的高斯模型的概率; 已知像素點的灰度值Xj,t,模型經(jīng)驗分布函數(shù)在Xj,t處分布概率B,各個高斯分量模型參數(shù),求解最優(yōu)的高斯權系數(shù)向量Θ =Lw1 W2…wk]T,要求Σ11’/ =。= 1,2,…^此時,需要討論模型個數(shù)k的取值; 1.當k= 2時,將目標函數(shù)與約束條件結合,可得最優(yōu)的高斯系數(shù)的取值為:W1 —-(--/, ), H;, -1-Wt = 1--(--Z2).U-J1 2B-\.-./;-./2 2β-1 其中,f/ = f「f2,Λ的高斯概率密度值,/2 ~#2(巧#2,0丨)的高斯概率密度值。
      2.當k> 3時,采用迭代求解極值方法;具體推導如下: 對原目標函數(shù)求導整理后得:

      Σ wJi =:τ^τ,Ση:=1,/=1,2,...,灸

      /;-|Ζ/? — 丨,其中,f N(.2、.即求解=;參考在非負矩陣分解
      Ji ~尤;,Ρ7,σ/J,/-1Zn — L算法中迭代極值求解算法:這里假定一個大小為iX j的非負矩陣,則公式表述為光xy,其中η為矩陣的行數(shù),m為矩陣的列數(shù),“ + ”表征矩陣內(nèi)元素的非負性;已知K ,求解,€ Rn:r,H € Rr:m,E e R職,使得E = V-ffH,這里要求| | E | |盡可能小,并且算法是快速收斂的;即找到求解下式的收斂算法:
      【文檔編號】G06T7/20GK103646405SQ201310511333
      【公開日】2014年3月19日 申請日期:2013年10月24日 優(yōu)先權日:2013年10月24日
      【發(fā)明者】郭春生, 張鳳金, 劉丹, 樓先濠 申請人:杭州電子科技大學
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1