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

        ?

        基于混合高斯模型的運(yùn)動(dòng)車輛檢測算法研究

        2022-09-16 10:01:00邸麗霞彭晴晴鄧浩森
        火力與指揮控制 2022年8期
        關(guān)鍵詞:背景檢測模型

        邸麗霞,唐 杰,彭晴晴,王 偉,鄧浩森

        (北方自動(dòng)控制技術(shù)研究所,太原 030006)

        0 引言

        近年來,國外主戰(zhàn)坦克針對(duì)超遠(yuǎn)距離的地面、空中對(duì)象檢測及跟蹤進(jìn)行了深入的研究,這一動(dòng)向表明,對(duì)象信息檢測及跟蹤技術(shù)的不斷發(fā)展已成為現(xiàn)代軍事指揮控制系統(tǒng)的發(fā)展動(dòng)力之一;在國內(nèi),現(xiàn)代化軍事建設(shè)非常重視精確制導(dǎo)武器的研發(fā),對(duì)運(yùn)動(dòng)對(duì)象的檢測、跟蹤,由于可鑒別真假目標(biāo)、精度高、可信度高等優(yōu)勢(shì),具有很高的研究價(jià)值。

        運(yùn)動(dòng)對(duì)象檢測是其他高級(jí)應(yīng)用如:特征描述、對(duì)象分類和對(duì)象跟蹤等的基礎(chǔ),具體功能是檢測視頻序列中是否存在相對(duì)于背景圖像運(yùn)動(dòng)的物體。針對(duì)運(yùn)動(dòng)圖像序列的對(duì)象檢測系統(tǒng),一般需要通過智能檢測和系列算法來排除背景因素,如:天氣、光照、陰影及背景中物體的周期性運(yùn)動(dòng)(樹葉擺動(dòng))等的干擾,該技術(shù)涵蓋了智能人工、模式識(shí)別、自控等多個(gè)方面,具有廣闊的應(yīng)用前景。

        1 背景差分法

        背景差分法是運(yùn)動(dòng)對(duì)象檢測的基本方法之一,分為建模背景與檢測前景兩個(gè)步驟。建模背景即通過背景模型的構(gòu)建還原真實(shí)的場景背景,背景模型的好壞決定了對(duì)場景中攝像機(jī)抖動(dòng)、噪聲、樹葉擺動(dòng)等的抑制程度;檢測前景則是通過原始圖樣與背景圖樣的差值與閾值的比較,確定運(yùn)動(dòng)對(duì)象的位置,差值大于閾值的區(qū)域?yàn)閷?duì)象區(qū)域,差值小于閾值的區(qū)域?yàn)楸尘皥D樣區(qū)域。該方法可較完整地獲取對(duì)象區(qū)域,算法簡單,且運(yùn)算速度較快,但是背景模型未能實(shí)時(shí)更新,而在真實(shí)場景中,背景在各種因素影響下是不斷變化的,需要更好的方法實(shí)現(xiàn)背景圖樣的更新。

        2 基于高斯模型的背景差分法

        怎樣建立模型來充分描述環(huán)境中單模態(tài)和多模態(tài)的事物特性,讓模型更加接近真實(shí)場景,是用于檢測運(yùn)動(dòng)對(duì)象的背景差分法的研究重點(diǎn)。高斯建模根據(jù)具體的場景變化來更新背景,完成前景對(duì)象的檢測,是一種常用的背景建模法。對(duì)于背景相對(duì)穩(wěn)定的場景用一個(gè)高斯函數(shù)即可形容,而對(duì)于色彩相對(duì)分散的場景或運(yùn)動(dòng)對(duì)象則需混合高斯模型來形容。

        2.1 模型參數(shù)初始化

        設(shè)圖樣的平均灰度值為μ,平均均方差為σ,對(duì)原始圖樣的每個(gè)像素點(diǎn)的K 個(gè)高斯模型其方差及均值初始化,公式如下:

        一般取N 為20~100。N 越大,像素點(diǎn)的高斯分布權(quán)重越大,方差越小,背景圖樣越接近真實(shí)狀態(tài),但相應(yīng)的運(yùn)算速度會(huì)越低。

        通常初始階段的場景不包含運(yùn)動(dòng)對(duì)象,第1 幀可用來對(duì)模型參數(shù)初始化,且?guī)瑪?shù)遞增時(shí)模型參數(shù)也可隨之自適應(yīng)更新。

        2.2 模型參數(shù)更新

        高斯模型參數(shù)應(yīng)隨著場景的變化而實(shí)時(shí)更新,以此更加貼合真實(shí)背景。

        1)根據(jù)式(5)來判斷每個(gè)像素點(diǎn)當(dāng)前的像素值與模型匹配與否。

        2)根據(jù)匹配結(jié)果,對(duì)應(yīng)地更新模型參數(shù):X與其K 個(gè)高斯函數(shù)若存在匹配,則X與其混合高斯模型匹配;反之,則不匹配。

        2.3 背景及前景檢測

        更新當(dāng)前幀的所有混合高斯模型參數(shù),按式(6)求權(quán)重值。

        可將前B 個(gè)分布函數(shù)當(dāng)作背景模型,之后的當(dāng)作運(yùn)動(dòng)模型,式中,T 為背景像素點(diǎn)的高斯分布函數(shù)權(quán)重中的最小值,其取值非常重要,偏小時(shí),模型會(huì)成為單高斯模型,偏大時(shí),運(yùn)動(dòng)對(duì)象會(huì)被當(dāng)作背景點(diǎn)。這里取T 為經(jīng)驗(yàn)值0.85。

        按式(8)將像素值X與前B 個(gè)分布函數(shù)進(jìn)行匹配,若X與其中某一個(gè)函數(shù)相匹配,則該像素點(diǎn)可判斷為背景點(diǎn);若無匹配項(xiàng),則該像素點(diǎn)可判斷為運(yùn)動(dòng)對(duì)象點(diǎn)。

        3 基于混合高斯模型的背景差分法的改進(jìn)

        上面的算法由于要對(duì)多個(gè)像素點(diǎn)進(jìn)行多個(gè)高斯函數(shù)的建立,算法及其復(fù)雜,對(duì)硬件配置要求極高。且該算法需儲(chǔ)存大量圖像序列來完成背景建模,此時(shí)背景的更新速度會(huì)相對(duì)較慢,當(dāng)運(yùn)動(dòng)對(duì)象的速度或方向突然發(fā)生變化,有可能產(chǎn)生誤檢測,使運(yùn)動(dòng)對(duì)象出現(xiàn)拖尾;而當(dāng)運(yùn)動(dòng)對(duì)象體積過大且速度較慢時(shí),有可能會(huì)產(chǎn)生空洞。

        針對(duì)上述算法的弊端,本文采用了優(yōu)化方法,即將三幀差分法融入其中。

        首先,用三幀差分法來檢測變化的區(qū)域。

        其次,采用面積法確定對(duì)象的存在與否。

        檢測對(duì)象的初始,場景中一般不包含對(duì)象,但此時(shí)仍在進(jìn)行背景建模及前景提取,浪費(fèi)了大量系統(tǒng)內(nèi)存,導(dǎo)致實(shí)時(shí)性下降;且當(dāng)有非運(yùn)動(dòng)對(duì)象的運(yùn)動(dòng)物產(chǎn)生時(shí),易發(fā)生誤檢測。因此,采用面積法對(duì)三幀差分法得到的前景點(diǎn)進(jìn)行檢測從而得到對(duì)象區(qū)域,可增強(qiáng)系統(tǒng)的實(shí)時(shí)性,同時(shí)剔除假的運(yùn)動(dòng)對(duì)象。

        逐行掃描變化區(qū)域d,統(tǒng)計(jì)值為1 的數(shù)量,除以整幅圖樣的像素點(diǎn)個(gè)數(shù),得到的值設(shè)為閾值a%,當(dāng)前景區(qū)域面積與當(dāng)前幀的圖樣面積比大于a%時(shí),認(rèn)為運(yùn)動(dòng)對(duì)象存在,繼續(xù)下一步操作;反之則認(rèn)為該前景區(qū)域?yàn)樵肼曅畔⒒蚴歉蓴_對(duì)象,停止后續(xù)操作。本文中,對(duì)測試視頻的閾值a 取3。

        最后,提取運(yùn)動(dòng)對(duì)象。

        若判斷出當(dāng)前圖樣中無運(yùn)動(dòng)對(duì)象時(shí),僅將當(dāng)前圖樣構(gòu)建背景模型即可;反之,則需對(duì)對(duì)象進(jìn)行匹配與提取。

        該算法流程如圖1 所示。

        圖1 基于混合高斯模型的改進(jìn)的背景差分法流程圖

        4 試驗(yàn)結(jié)果對(duì)比及分析

        本文采用的試驗(yàn)視頻為IMB 官網(wǎng)下載的測試視頻,視頻中,一輛車勻速經(jīng)過,下頁圖2、圖3 是分別用通用方法和優(yōu)化后的方法得到的對(duì)象檢測結(jié)果。

        從圖2 中對(duì)比可知,基于混合高斯模型的背景差分法檢測大而且慢的對(duì)象會(huì)丟失尾部信息,存在空洞,改進(jìn)的算法則可檢測對(duì)象的絕大多數(shù)信息,檢測效果有較大的提升。

        圖2 算法優(yōu)化前后對(duì)勻速車輛的實(shí)驗(yàn)結(jié)果比較

        在另外一段視頻中,一輛靜止的車突然啟動(dòng),圖3 為兩種方法得到的對(duì)象檢測結(jié)果。

        從圖3 中對(duì)比可知,方法改進(jìn)前的實(shí)驗(yàn)結(jié)果中留有背景圖樣中車輛留下的“影子”,改進(jìn)后的試驗(yàn)結(jié)果中“影子”明顯消失了。

        圖3 算法優(yōu)化前后對(duì)突然啟動(dòng)車輛的實(shí)驗(yàn)結(jié)果比較

        此外,對(duì)文中提到的3 種檢測方法進(jìn)行仿真實(shí)驗(yàn),得出如表1 所示的處理速度及直觀效果。

        表1 3 種檢測方法仿真試驗(yàn)對(duì)比分析

        由表1 可見,本文中的改進(jìn)算法在處理速度、檢測效果等方面有顯著效果。

        5 結(jié)論

        背景差分法處理速度最快,但由于缺乏更新背景的機(jī)制,無法處理噪聲干擾;基于混合高斯模型的背景差分法對(duì)圖樣中每一個(gè)像素點(diǎn)均建立了多個(gè)高斯模型,以此形成背景模型,但是計(jì)算量大,導(dǎo)致處理速度變慢,無法實(shí)時(shí)處理;本文提出的用三幀差分法,來優(yōu)化基于混合高斯模型的背景差分法,優(yōu)化了混合高斯模型的背景更新機(jī)制,提升了處理速度,同時(shí)對(duì)大且慢及突變速度的對(duì)象,檢測效果有很大提升,該方法可借鑒于裝甲車輛的檢測研究。

        猜你喜歡
        背景檢測模型
        一半模型
        “新四化”背景下汽車NVH的發(fā)展趨勢(shì)
        “不等式”檢測題
        “一元一次不等式”檢測題
        “一元一次不等式組”檢測題
        《論持久戰(zhàn)》的寫作背景
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        晚清外語翻譯人才培養(yǎng)的背景
        3D打印中的模型分割與打包
        欲色天天网综合久久| 一区二区三区日韩亚洲中文视频| 国产成人无码a在线观看不卡| 搡老熟女中国老太| 亚洲精品中国国产嫩草影院美女 | 国产亚洲精品熟女国产成人| 亚州av高清不卡一区二区| 精人妻无码一区二区三区| 老熟妻内射精品一区| 国产精品丝袜美女在线观看| 精品人妻日韩中文字幕| 亚洲无人区乱码中文字幕能看| 午夜性色一区二区三区不卡视频| 成人精品一区二区三区中文字幕| 中文字幕无码人妻丝袜| 少妇人妻偷人中文字幕| 国产精品国产自产拍高清| 人妻av无码一区二区三区| 无码人妻精品一区二区三区下载| 精品国产福利久久久| 国产精品一区二区三密桃| 日本一二三四区在线观看| 中文亚洲av片在线观看| 一级毛片不卡在线播放免费| 国产一区二区三区杨幂| 亚洲国产精品区在线观看| 亚洲国产欧美日韩欧美特级| 国产美女在线精品亚洲二区| 求网址日韩精品在线你懂的| 免费无码专区毛片高潮喷水| 久久www免费人成—看片| 2022Av天堂在线无码| 午夜宅男成人影院香蕉狠狠爱| 亚洲av色香蕉一区二区三区 | 国产乱子轮xxx农村| 久久精品岛国av一区二区无码| 蜜桃av夺取一区二区三区| 少妇熟女天堂网av天堂| 黄桃av无码免费一区二区三区| 久久亚洲黄色| 国产精品成人久久a级片|