The invention discloses a moving object detection method based on the mixed Gaussian model, which comprises the following steps: S1: dividing the image into blocks with the size of W*W blocks, establishing a mixed Gaussian model for each block; S2: blurring the image edge; S3: comparing the new pixel value with the current K Gaussian models, and finding out the moving object. S4: If the matched model meets the background requirement, the pixel belongs to the background, otherwise it belongs to the foreground; S5: updating the weights of each model, normalizing the weights of each model; S6: the unmatched model means Mu and the standard deviation_are unchanged, the matched model parameters are updated; If there is no matching model in S, replace the model with the smallest weight; S8: The models are arranged in descending order according to_/_, and the models with large weight and small standard deviation are in the front; S9: Select the first B model as the background, and the parameter T indicates the proportion of the background.
【技术实现步骤摘要】
基于混合高斯模型的运动目标检测方法
本专利技术具体涉及一种基于混合高斯模型的运动目标检测方法。
技术介绍
运动目标检测是智能视频监控领域的一项关键技术,为后续行为分析提供研究对象,其检测精度直接影响到系统性能,常见运动目标检测算法有背景差分法、相邻帧差法、光流法、ViBe(VisualBackgroundExtractor)、混合高斯背景建模法等。背景差分法相对简单,实现比较容易,运算速度快,但其没有背景更新机制,导致运动区域提取不准确;相邻帧差法采用相邻两帧图像差分来提取运动区域实现容易且计算量小,但此方法会引入拖影区域;光流法通过计算图像的光流场来进行运动检测,时间复杂度较高,不适用于实时性要求高的应用;ViBe是一种像素级的背景建模算法,计算量小,时间复杂度低,抗噪能力好,能够较好地适应背景的突变,但容易引入拖影区域;混合高斯背景建模法(GaussianMixtureModel,GMM)是一种基于像素统计信息的背景表示方法,对噪声具有较强的鲁棒性,但其计算量大,实时性较差。
技术实现思路
本专利技术要解决的技术问题是提供一种基于混合高斯模型的运动目标检测方法。基于混合高斯模型的运动目标检测方法,包括以下步骤:S1:对图像以W×W块大小进行分块处理,对每个块建立一个混合高斯模型,即K个高斯模型;S2:对图像进行边缘模糊处理;S3:新像素值与当前K个高斯模型按下式进行比较,找到匹配新像素值的分布模型,即与该模型的均值偏差在2.5σ以内;;S4:若所匹配的模型符合背景要求,则该像素属于背景,否则属于前景;S5:以概率对各模型权值按以下公式进行更新,其中α是学 ...
【技术保护点】
1.基于混合高斯模型的运动目标检测方法,其特征在于,包括以下步骤:S1:对图像以W×W块大小进行分块处理,对每个块建立一个混合高斯模型,即K个高斯模型;S2:对图像进行边缘模糊处理;S3:新像素值
【技术特征摘要】
1.基于混合高斯模型的运动目标检测方法,其特征在于,包括以下步骤:S1:对图像以W×W块大小进行分块处理,对每个块建立一个混合高斯模型,即K个高斯模型;S2:对图像进行边缘模糊处理;S3:新像素值与当前K个高斯模型按下式进行比较,找到匹配新像素值的分布模型,即与该模型的均值偏差在2.5σ以内;;S4:若所匹配的模型符合背景要求,则该像素属于背景,否则属于前景;S5:以概率对各模型权值按以下公式进行更新,其中α是学习速率,对于匹配的模型,否则,然后对各模型权重进行归一化处理;;S6:未匹配模型均值μ与标准差σ不变,匹配模型参数按以下公式以概率进行更新;;;;S7:若步骤S3中没有任何模型与之匹配,则以概率将权重最小的模型替换,即该模型均值被设置为当前像素值,标准差和权重设置成初始...
【专利技术属性】
技术研发人员:不公告发明人,
申请(专利权)人:防城港市港口区思达电子科技有限公司,
类型:发明
国别省市:广西,45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。