區(qū)域顏色屬性空間直方圖背景建模
摘要:目的為了能在光照變化、動態(tài)背景干擾這一類復(fù)雜場景中實時、準(zhǔn)確地分割出運動前景,針對傳統(tǒng)的基于顏色特征和基于像素的方法的不足,提出一種在顏色屬性空間進(jìn)行區(qū)域直方圖建模的運動目標(biāo)檢測方法。方法首先將RGB顏色空間映射到更為穩(wěn)健的低維顏色屬性空間,以顏色屬性為特征在像素的局部范圍內(nèi)建立直方圖,同時記錄直方圖每一個分區(qū)中像素的空間信息,使用K個空間直方圖構(gòu)成每個像素的背景模型,每個直方圖根據(jù)其匹配度賦予不同的權(quán)重。降維的顏色屬性提高了模型的魯棒性和檢測的時效性,空間直方圖引入的位置信息提高了背景模型的準(zhǔn)確性。然后通過學(xué)習(xí)率αb和αω來控制各模型直方圖及其權(quán)重的更新,以提高模型的適應(yīng)性。在標(biāo)準(zhǔn)測試數(shù)據(jù)集的所有視頻序列中進(jìn)行了實驗,通過分析綜合性能指標(biāo)(F1)及平均假陽性(FN)曲線,確定了算法中涉及參數(shù)的合理取值范圍。結(jié)果對實驗結(jié)果定性和定量的分析表明,本文方法能夠得到良好的前景檢測效果,尤其在多模態(tài)場景和光線變化的復(fù)雜場景中能顯著提高檢測性能。各類場景的平均綜合性能指標(biāo)(average F1)相比性能突出的方法ViBe、LOBSTER(local binary similarity segmenter)和DECOLOR(detecting contiguous outliers in the low-rank representation)分別提高了0.65%、3.86%和3.9%,并通過GPU并行加速實現(xiàn)運動目標(biāo)的實時檢測。結(jié)論在復(fù)雜視頻環(huán)境下的運動目標(biāo)檢測中,相比已有方法,本文方法能夠更為準(zhǔn)確地分割出運動前景,是一種實時、有效的檢測方法,具有一定的實用價值。
注: 保護(hù)知識產(chǎn)權(quán),如需閱讀全文請聯(lián)系中國圖象圖形學(xué)報雜志社