基于改進混合高斯模型的前景檢測算法研究.pdf

1、前景檢測已被廣泛應(yīng)用于許多計算機視覺應(yīng)用中，包括:視頻監(jiān)控、輔助駕駛、人機交互、人臉檢測、行人碰撞預(yù)測、遙測影像處理、食物中的異物檢測、行人行為識別等，是計算機視覺與模式識別領(lǐng)域的一個研究熱點和前沿課題。前景檢測結(jié)果的好壞直接關(guān)系到后續(xù)應(yīng)用與分析處理的優(yōu)劣和實用性。前景檢測算法種類眾多，混合高斯模型及它的大量改進方法是最受歡迎的算法之一。本文在詳細(xì)分析與理解混合高斯模型原理的基礎(chǔ)上，主要研究了固定攝像機情況下的基于改進混合高斯模型的前景

2、檢測算法。主要工作如下:
　　(1)對前景檢測進行概述，并詳細(xì)介紹了前景檢測的一些常用方法:幀差法、光流法和背景差分法。同時，著重介紹了常用的背景差分方法，并對它們進行實驗測試，詳細(xì)分析和比較它們各自的優(yōu)缺點。
　　(2)對傳統(tǒng)的混合高斯模型算法進行了較為全面的介紹與分析，從而了解到混合高斯模型以耗時為代價換取可觀的精確度。同時，混合高斯模型對噪聲情況的處理效果很一般。針對混合高斯模型的上述缺點，提出一種基于YCbCr的自適

3、應(yīng)混合高斯模型前景檢測算法。該算法首先用YCbCr顏色空間替換RGB顏色空間，以獲取更好的抗噪性。其次，考慮實時性能，采用自適應(yīng)選擇策略來確定混合高斯模型的高斯成分個數(shù)。最后，將各高斯成分按照其排序關(guān)鍵字的值進行排序，以選定背景模型。實驗表明，該算法能很好地處理噪聲的影響，除了對于突然的照明變化場景效果不佳之外，一般而言，對室內(nèi)室外場景都能獲得更準(zhǔn)確的前景目標(biāo)輪廓，并具有良好的實時性能。
　　(3)針對混合高斯模型只采用顏色特征進