基于自適應(yīng)核密度估計(jì)的運(yùn)動(dòng)目標(biāo)檢測(cè)_苑瑋琦
運(yùn)動(dòng)目標(biāo)檢測(cè)是視監(jiān)控系統(tǒng)中的一個(gè)重要研究內(nèi)容, 是后 續(xù)的目標(biāo)跟蹤、識(shí)別等處理的基礎(chǔ),同時(shí)也是當(dāng)前計(jì)算機(jī)視覺領(lǐng) 域的研究熱點(diǎn)之一。運(yùn)動(dòng)目標(biāo)檢測(cè)方法主要有三類:光流法、幀 間差分法和減背景法。其中最常用的是減背景法,特點(diǎn)是算法簡 單易于實(shí)現(xiàn)、實(shí)時(shí)性好,能夠準(zhǔn)確地提取出運(yùn)動(dòng)目標(biāo)。對(duì)于減背 景法來說,背景模型的建立至關(guān)重要。 Elgammal 等根據(jù)各個(gè)像素的概率密度分布提出了一種非 參數(shù)核密度估計(jì)的方法, 能靈敏的檢測(cè)前景目標(biāo)并且對(duì)于自然 場景的運(yùn)動(dòng)很有效。但是,使用非參數(shù)核密度估計(jì)也存在幾個(gè)問 題需要解決。第一,該方法認(rèn)為每個(gè)像素點(diǎn)是獨(dú)立的,而不考慮 該像素的亮度值分布和其鄰域像素的亮度值分布的相關(guān)性,會(huì) 使得分割出的前景區(qū)域中產(chǎn)生不該出現(xiàn)的空洞。第二,用單個(gè)閾 值來進(jìn)行前景區(qū)域檢測(cè)時(shí),該方法不能適應(yīng)不同場景的變化。 本文提出了一種改進(jìn)的非參數(shù)核密度估計(jì)模型的方法。該 方法能夠隨著時(shí)間的變化自動(dòng)訓(xùn)練出視頻圖像中每個(gè)像素的 概率閾值,適應(yīng)場景的變化;并且考慮鄰近像素的空間相關(guān)性,去 除那些不是真正前景的區(qū)域,具有較好的魯棒性。