积分商城

最新搜索： 矩阵 stm32 友达 逻辑板 Multisim8 CRC32校验工具 STC8H8K64S4U
您现在的位置是：首页 > 技术资料 > 动态特征块匹配的背景更新在运动检测的应用
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

动态特征块匹配的背景更新在运动检测的应用

更新时间：2019-12-25 15:27:19 大小：2M 上传用户：zhiyao6查看TA发布的资源 标签：动态特征块匹配运动检测 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

为解决传统监控设备视场小、非智能等缺陷,结合全景成像技术和计算机视觉技术,建立无人环境下外来入侵自动检测系统,从而实现了全景监控视场下运动目标快速准确的检测及跟踪。该技术关键在于如何在复杂的动态背景下有效地提取运动目标,为此提出一种基于动态特征块匹配的自适应背景更新算法。在采用帧间差分与背景差分融合算法检测到目标的基础上,利用目标的矩信息进行跟踪,避免了全景视觉下颜色及轮廓特征缺失的弊端。根据目标的轮廓及位置提取特征块,将视频序列的每一帧图像与初始背景图像进行特征块区域的局部匹配,首先通过分析特征块图像的颜色特征,构建基于区间统计的RGB颜色直方图,提取颜色特征序列。然后通过计算序列相关性来判断该区域是否需要背景更新,从而降低对单个像素更新的冗余计算。实验表明,该更新算法具有较强的鲁棒性和可行性,能够有效提高监控系统的稳定性。


部分文件列表

文件名 大小
动态特征块匹配的背景更新在运动检测的应用.pdf 2M

部分页面预览

（完整内容请下载后查看）
仪
器
仪
表
学
报
38  
2
期
Vol. 38 No. 2  
Feb． 2017  
第
卷
第
Chinese Journal of Scientific Instrument  
2017  
2
月
年
*
动态特征块匹配的背景更新在运动检测的应用  
， ， ，  
李艳荻 徐熙平 陈 江 王鹤程  
(
130022)  
长春理工大学光电工程学院 长春  
: 、 ， ，  
要 为解决传统监控设备视场小 非智能等缺陷 结合全景成像技术和计算机视觉技术 建立无人环境下外来入侵自动检测  
摘
， 。  
系统 从而实现了全景监控视场下运动目标快速准确的检测及跟踪 该技术关键在于如何在复杂的动态背景下有效地提取运  
， 。  
动目标 为此提出一种基于动态特征块匹配的自适应背景更新算法 在采用帧间差分与背景差分融合算法检测到目标的基础  
， ， 。 ，  
上 利用目标的矩信息进行跟踪 避免了全景视觉下颜色及轮廓特征缺失的弊端 根据目标的轮廓及位置提取特征块 将视频  
， ，  
序列的每一帧图像与初始背景图像进行特征块区域的局部匹配 首先通过分析特征块图像的颜色特征 构建基于区间统计的  
RGB  
， 。 ，  
颜色直方图 提取颜色特征序列 然后通过计算序列相关性来判断该区域是否需要背景更新 从而降低对单个像素更新  
。 ， ，  
的冗余计算 实验表明 该更新算法具有较强的鲁棒性和可行性 能够有效提高监控系统的稳定性  
。
:
;
;
;
;
关键词 运动检测 背景更新 相似度匹配 区间统计 颜色直方图  
: TP391 : A : 520． 20  
国家标准学科分类代码  
中图分类号  
文献标识码  
Background updating based on dynamic feature block matching  
for the motion detection  
Li Yandi，Xu Xiping，Chen Jiang，Wang Hecheng  
( School of Photoelectric Engineering，Changchun University of Science and Technology，Changchun 130022，China)  
Abstract: To overcome the limitations of small field-view and nonintelligent of traditional monitoring systems，this work combines  
panoramic imaging and computer vision technology to establish an automatic intrusion detection system in unmanned environment． The  
proposed system can achieve fast and accurate moving object detection and tracking in panoramic monitoring field． To solve the key  
challenge on effectively extracting moving objects in complex and dynamic background，this paper presents an adaptive background  
updating algorithm based on dynamic matching between feature blocks． On the basis of target detection using the fusion algorithm with  
frame differencing background subtraction，the torque information is utilized for tracking the target so as to avoid the lack of color and  
contour features under the panoramic view． The feature block si then extracted according to the outline and position of the target，in  
which the local matching of feature area is conducted between video sequences of each frame image and the initial background image．  
The color feature of the feature block is firstly analyzed，and a RGB color histogram is established based on interval statistics． Thus，the  
colour feature sequences are obtained． wWhether the region background updates is then determined by calculating the correlation between  
the two sequences to reducethe computation of a single pixel to be updated． Experiments show that the proposed algorithm is robust and  
feasible，and it can effectively improve the stability of the monitoring system．  
Keywords: motion detection; background updating; similarity matching; interval statistics; color histogram  
、 、  
安防 交通保安监控 远程家用监控等领域得到了广泛应  
。
、 、  
它包括运动目标检测 跟踪 行为分析及场景理解等  
用
1
引
言
，
内容 其中运动目标检测是保证智能监控系统稳定性的  
，
近年来随着科学技术的发展 视频监控系统在智能  
。
关键环节 然而场景的复杂多变性会直接影响目标检测  
: 2016-03  
Received Date: 2016-03  
收稿日期  
*
:
基金项目 吉林省科技发展计划  
( 20160520018JH) 、 ( 61605016)  
国家自然科学基金 项目资助  
446  
3 8  
卷
仪
器
仪
表
学
报
第
， ，  
结果 这也成为了目前智能监控领域的研究热点 具有重  
，
够实现快速准确地检测出完整的目标轮廓 具有较高的  
。
、 。 1  
准确性 鲁棒性和自适应性 该算法的流程如图 所示  
。
要的研究意义和应用价值  
、
传统的运动目标检测方法主要有 种 背景减除法  
3
:
、 。  
帧间差分法 光流法 其中光流法对图像的运动场进行  
， ，  
估计并将相似的矢量合并来实现检测 但抗噪性能差 且  
［1-2］  
，
计算复杂 难以实现实时监控  
。
帧间差分法具有较好  
， ( 、  
的适应性 但是易受环境因素 光线变化 树叶晃动等  
)
［3-5］  
，
干扰 而且抗噪声能力较差  
;
很多学者更多地采用背  
，
景减除法 针对背景模型的建立与更新进行了大量的研  
［6］  
。
、
均值模型以及单高斯模  
究
单模态模型如中值模型  
［7］  
， ，  
等虽然计算量小 但含有大量环境噪声 通常不能很  
型
; ［8-10］  
好地描述室外场景 文献 提出了混合高斯背景模  
，
型 在预先假定背景分布模型的基础上进行模型参数估  
， ，  
计和优化 使模型更具稳定性 但建模过程耗时导致参数  
， 。  
更新难以适应场景的变化 易出现误检现象 另外传统  
，
的背景减除均是以像素为单位建立单独更新模型 虽然  
，
能够获得较细致的运动目标轮廓 却忽略了像素在空间  
。
上的分布信息 运动目标相对于背景占有较小的比例  
，
， ，  
对于没有目标运动的区域 像素的变化较为稳定 那么对  
，
全局进行分析及优化就会产生冗余 大大增加了算法的  
， 。 ［11-12］  
运算量 不利于实时更新 文献 提出了分块处理  
， ，  
思想 以块为单位建立混合高斯模型 能够有效提高运动  
，
目标的检测效率 但块尺寸的选择对分割精度影响较大  
，
1
，
易导致目标的边缘信息缺失 给后续的行为识别带来很  
图
运动目标检测流程  
Fig． 1 Flow diagram of motion detection  
。
多不便  
，
将全景成像技术与计算机视觉相结合 建立一套室  
，
内智能监控系统 用于无人环境下的入侵自动检测  
。
全
2． 1  
帧间差分法  
传统的帧间差分算法是对当前关键帧  
，
景成像技术能够实时传输关于对象的全方位信息 有足  
f( x，y，k)  
与
;
够的时间进行后期的视频图像处理和系统分析 采集目  
f( x，y，k － t)  
，
进行差分处理 并根据检测阈  
前一关键帧  
， 。  
标无遮挡或重叠现象 便于后续目标提取及识别 算法  
T
。 “  
对差分图像进行前景与背景的分离 但易产生 双  
值
部分首先结合帧间差分与背景减除算法实现前景目标的  
” “ ” 。  
影 及 空洞 现象 采用相同间隔  
( t = 2)  
3
的 帧间差分  
， ，  
有效分离 针对光线突变及局部场景内容改变的特点 提  
， ，  
法 将相邻两关键帧分别进行差分及二值处理 从重合的  
。
出一种基于动态特征块匹配的背景更新算法 利用目标  
。
f( k) ( k = 1，2，…) ，f  
为视频图像序列  
部分提取前景  
设
，
的矩信息进行跟踪 避免了全景视觉下颜色及轮廓特征  
( k ± nt) ( n = 0，1，2，…)  
，
表示算法处理过程中的关键帧  
。 ，  
缺失的弊端 根据目标的轮廓及位置建立特征块 采用  
t ，  
间隔 帧取样能够更好地提取出目标的完整轮廓 同时  
基于区间统计的颜色直方图匹配方法对视频序列与初始  
。f( x，y，k)  
减少算法运算量  
k
表示第 帧图像在点  
( x，y)  
，
背景图像中的特征块进行局部匹配 最后通过颜色特征  
，
处的像素值 选取相邻三个关键帧  
f( x，y，k － t) ，f( x，y，  
。
序列的相关性分析完成背景更新 该方法可以有效提高  
k) ，f( x，y，k + t) ，  
:
以前两帧为例其差分二值图像表示为  
。
动态背景下运动目标检测算法的准确性与可靠性  
D ( x，y，k)  
1
=
1， | f( x，y，k) － f( x，y，k － t) | ＞ T  
( 1)  
{
2
运动目标检测  
0， | f( x，y，k) － f( x，y，k － t) |  
T
≤
D ( x，y，k + t) ，  
2
同理得到  
最终提取的前景目标表示  
本文采用背景减除与帧间差分相融合的算法进行运  
:
为
， (  
动目标检测 可以有效地屏蔽前者对环境光突变 如开关  
S ( x，y，k)  
1
=
) ，  
灯和天气变化 及噪声过于敏感的不利影响 同时能够抑  
1， D ( x，y，k)  
1
D ( x，y，k + t) = 1  
2
∩
( 2)  
{
，
制后者由于目标运动缓慢而导致的空洞或漏检现象 能  
0，  
其他  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号