基于HSV的高斯混合模型背景減除方法.pdf

1、針對(duì)序列圖像的背景減除可以實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)，通過(guò)分離圖像的背景和運(yùn)動(dòng)目標(biāo)，獲取圖像的有效信息，從而根據(jù)獲取的運(yùn)動(dòng)目標(biāo)對(duì)其特征進(jìn)行分析并加以處理，在目標(biāo)的目標(biāo)跟蹤、關(guān)節(jié)定位、動(dòng)作分析理解及3D重構(gòu)等領(lǐng)域具有很高的應(yīng)用價(jià)值。
　　本論文在研究了背景區(qū)域灰度值的分布特性和數(shù)學(xué)模型的基礎(chǔ)上，確定了基于高斯混合模型的背景減除算法;針對(duì)傳統(tǒng)的最大期望算法存在運(yùn)算量大、受初始值影響容易產(chǎn)生局部極大值的問(wèn)題，提出了一種結(jié)合了根據(jù)圖像灰度值快速初

2、始化高斯混合模型參數(shù)的算法，提高了背景模型參數(shù)的初始化速度，并提高了高斯混合模型參數(shù)初始化的準(zhǔn)確度;針對(duì)背景減除后運(yùn)動(dòng)目標(biāo)中的陰影，研究了顏色空間的基本特性，提出了在HSV顏色空間下基于陰影亮度和色度特征的陰影檢測(cè)算法，針對(duì)高斯混合模型背景減除的結(jié)果進(jìn)行陰影消除。
　　基于Visual Studio2015平臺(tái)和OpenCV v3.2.0函數(shù)庫(kù)，針對(duì)室內(nèi)室外不同光照條件下的序列圖像，采用本文的算法分別進(jìn)行了背景減除實(shí)驗(yàn)與基于HSV