亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        改進的自適應(yīng)高斯混合模型運動目標檢測算法

        2017-06-12 02:50:03唐洪良黃穎黃淮楊成順黃宵寧
        現(xiàn)代電子技術(shù) 2017年11期
        關(guān)鍵詞:高斯分布

        唐洪良++黃穎+黃淮+楊成順+黃宵寧

        摘 要: 傳統(tǒng)的高斯混合模型學(xué)習(xí)率和分布數(shù)取值固定,不能精確地描述變換的背景,同時存在數(shù)據(jù)冗余等問題,針對這些不足,進行了以下三個方面的改進。在模型初始化階段,針對不同的環(huán)境設(shè)定各異的初始分布數(shù);根據(jù)環(huán)境變化快慢程度,動態(tài)調(diào)整學(xué)習(xí)率的取值;不斷更新高斯分布,刪除不滿足要求的模型,創(chuàng)建新的分布。實驗結(jié)果表明,改進的自適應(yīng)高斯混合模型較傳統(tǒng)高斯混合模型,顯著提高了運動物體檢測的準確性。

        關(guān)鍵詞: 高斯混合模型; 運動物體檢測; 高斯分布; 學(xué)習(xí)率取值

        中圖分類號: TN911.72?34 文獻標識碼: A 文章編號: 1004?373X(2017)11?0065?03

        Moving target detection algorithm for improved adaptive Gaussian mixture model

        TANG Hongliang1, HUANG Ying2, HUANG Huai2, YANG Chengshun2, HUANG Xiaoning2

        (1. Yuhang Power Supply Comppany of SGCC, Hangzhou 311100, China;

        2. School of Electric Power Engineering, Nanjing Institute of Technology, Nanjing 211167, China)

        Abstract: Since the traditional Gaussian mixture model has fixed learning rate and distribution number, can′t describe the transformation background accurately, and exists the data redundancy, the Gaussian mixture model was improved in the following three aspects. In the stage of the model initialization, the various initial distribution numbers are set according to different environments. The value of learning rate is adjusted dynamically according to the speed of the environmental change. The Gaussian distribution is updated continuously to delete the model that can′t satisfy the requirement, and create the new distribution. The experimental results show that, in comparison with the traditional Gaussian mixture model, this adaptive Gaussian mixture model can improve the detection accuracy of moving object significantly.

        Keywords: Gaussian mixture model; moving object detection; Gaussian distribution; learning rate valuation

        0 引 言

        目前,光流法、幀差法、背景減除法是運動目標檢測的常用算法[1]。其中,光流法計算復(fù)雜,需要專門的硬件支持,實時性和實用性都較差[2]。幀差法雖然能有效去除靜止的背景,但往往提取的目標比較粗糙,比實際的運動目標輪廓要大[3],并且目標中會出現(xiàn)空洞和“雙影”現(xiàn)象。背景減除法必須要有背景圖像,并且背景圖像必須隨著外部環(huán)境的變化而實時更新[4],因此背景減除法的關(guān)鍵是背景建模及其更新。

        從實際應(yīng)用角度來看,幀差法和背景減除法相結(jié)合的運動檢測方法是使用最廣泛的一種方法[5]。但由于這兩種方法各自存在問題,如突變光照、模型的收斂速度等,結(jié)合起來仍有一定的細節(jié)需要兼顧。

        針對以上問題,本文提出一種改進的基于混合高斯模型的運動目標檢測算法。實驗結(jié)果表明,該方法不僅有效地解決了幀差法檢測快速移動運動目標時出現(xiàn)的“雙影”現(xiàn)象[6],而且明顯提升了對緩慢運動物體的檢測效果,增強了背景的描述精度。

        3 實驗結(jié)果與分析

        本文選擇測試視頻sWasteBasket.avi進行實驗,實驗在Visual Studio 2010環(huán)境下進行,基于OpenCV,硬件平臺為Pentium Dual?Core, 2.6 GHz,4 GB內(nèi)存。

        圖3、圖4分別為第145幀和第377幀視頻原圖;圖5、圖6分別為對應(yīng)視頻在傳統(tǒng)高斯混合模型的目標檢測;圖7、圖8分別為對應(yīng)視頻在改進的自適應(yīng)高斯混合模型的目標檢測結(jié)果。

        從圖5與圖7以及圖6與圖8 的對比中,可以看到,改進的自適應(yīng)高斯混合模型在檢測運動目標時較傳統(tǒng)高斯混合模型而言,更加細致、精確,達到了較好的檢測效果。

        4 結(jié) 論

        本文提出一種改進的自適應(yīng)高斯混合模型目標檢測方法。在初始化高斯模型時就將分布數(shù)按照方差的大小,做出不同的初值設(shè)定;在參數(shù)更新時,依據(jù)背景變化率的快慢,動態(tài)調(diào)整學(xué)習(xí)率,從而更準確地調(diào)整各參數(shù)的變化;通過對分布數(shù)、均值以及權(quán)值等參數(shù)動態(tài)調(diào)整分布數(shù),減少系統(tǒng)資源的浪費,更高效地檢測運動物體。實驗結(jié)果表明,改進的自適應(yīng)高斯混合模型較傳統(tǒng)模型,可以更精準地檢測運動物體。

        參考文獻

        [1] 范文超,李曉宇,魏凱,等.基于改進的高斯混合模型的運動目標檢測[J].計算機科學(xué),2015,42(5):286?288.

        [2] 邱朕奎,劉啟亮,趙予龍,等.混合高斯背景模型目標檢測的一種改進算法[J].計算機仿真,2014,31(5):378?384.

        [3] 李菊,李克清,蘇勇剛.Markov隨機游走和高斯混合模型相結(jié)合的運動目標檢測算法[J].電子測量與儀器學(xué)報,2014,28(5):533?537.

        [4] 范文超,李曉宇,魏凱,等.基于改進的高斯混合模型的運動目標檢測[J].計算機科學(xué),2015,42(5):286?288.

        [5] 黃蘇雨,熊建強,陳紅,等.改進混合高斯模型的運動目標檢測與跟蹤算法[J].計算機測量與控制,2015,23(3):861?863.

        [6] SUN Xiaoyan, CHANG Faliang. Background model combining Gauss model with local binary pattern feature [J]. Journal of convergence information technology, 2012, 7(7): 174?180.

        [7] 陳佳,朱長仁,錢智明.一種基于幀差分法與快速圖分割相結(jié)合的運動目標檢測方法[J].現(xiàn)代電子技術(shù),2016,39(3):13?17.

        [8] 華媛蕾,劉萬軍.改進混合高斯模型的運動目標檢測算法[J].計算機應(yīng)用,2014,34(2):580?584.

        [9] 賈麗娟.融合SORM背景模型和DTCNN閾值模型的運動目標檢測[J].計算機工程,2016,42(1):220?224.

        [10] 鄧文浩,唐立才,張南峰,等.基于改進的幀差法和Mean?shift結(jié)合的運動目標自動檢測與跟蹤[J].現(xiàn)代電子技術(shù),2016,39(4):108?111.

        [11] 韓明,劉教民,孟軍英,等.一種自適應(yīng)調(diào)整k?ρ的混合高斯背景建模和目標檢測算法[J].電子與信息學(xué)報,2014,36(8):2023?2027.

        猜你喜歡
        高斯分布
        垂直軸風力機三維尾流模型的研究
        利用Box-Cox變換對移動通信中小區(qū)級業(yè)務(wù)流量分布的研究
        基于遙測數(shù)據(jù)的浮標漂移位置建模
        數(shù)理統(tǒng)計在西語專四考試成績分析及提升中的應(yīng)用?
        2種非對稱廣義高斯分布模型的構(gòu)造
        靜態(tài)存儲器用非晶硅薄膜晶體管輸出特性研究
        科技視界(2018年20期)2018-11-21 11:47:12
        改進的快速遺傳算法在函數(shù)優(yōu)化中的應(yīng)用
        在航集裝箱船舶搖擺姿態(tài)的概率模型
        中國水運(2017年9期)2017-09-15 21:47:22
        不同分布特性隨機噪聲的FPGA實現(xiàn)
        科技視界(2017年7期)2017-07-26 07:45:41
        一種基于改進混合高斯模型的前景檢測
        久久精品国产99久久久| 国产亚洲欧美另类久久久| 免费无码黄网站在线观看| 一区二区三区日本久久| av网站大全免费在线观看 | 亚洲无av在线中文字幕| 熟女无套内射线观56| 久久精品国产9久久综合| 国产日产亚洲系列av| 在线观看亚洲视频一区二区| 中文字幕一区二区三区久久网| 少妇愉情理伦片| 色综合中文综合网| 亚洲国产成a人v在线观看| 国产亚洲精品综合在线网站| 国产一级做a爱视频在线| 午夜视频手机在线免费观看| 国产精品一区二区三区免费视频| 天天爽夜夜爽人人爽一区二区 | 欧美性高清另类videosex| 日产无人区一线二线三线乱码蘑菇 | 国产不卡精品一区二区三区| 伊人久久大香线蕉av不卡| 国产精品美女久久久浪潮av| 熟女系列丰满熟妇av| 日韩一二三四区在线观看| 欧美成人猛片aaaaaaa| 色八a级在线观看| AV无码免费不卡在线观看| 亚洲伊人伊成久久人综合| 日本少妇又色又爽又高潮| 国产性生大片免费观看性| 中文字幕在线久热精品| 久久少妇呻吟视频久久久| 日韩av一区二区三区激情在线| 亚洲妇女自偷自偷图片| 成人做爰69片免费看网站| 中文字幕一区二区三区.| 国内偷拍国内精品多白86| 乱码丰满人妻一二三区| 精品久久久久久久中文字幕|