运动物体检测的问题
来源:互联网 发布:网络算命软件下载 编辑:程序博客网 时间:2024/06/03 02:08
运动物体检测的问题主要分为两类,摄像机固定和摄像机运动。对于摄像机运动的运动物体检测问题,比较著名的解决方案是光流法,通过求解偏微分方程求的图像序列的光流场,从而预测摄像机的运动状态。对于摄像机固定的情形,当然也可以用光流法,但是由于光流法的复杂性,往往难以实时的计算,所以我采用高斯背景模型。因为,在摄像机固定的情况下,背景的变化是缓慢的,而且大都是光照,风等等的影响,通过对背景建模,对一幅给定图像分离前景和背景,一般来说,前景就是运动物体,从而达到运动物体检测的目的。
1.单分布高斯背景模型(适用于固定背景)
单分布高斯背景模型认为,对一个背景图像,特定像素亮度的分布满足高斯分布,即对背景图像B,(x,y)点的亮度满足:
IB(x,y) ~ N(u,d)
这样我们的背景模型的每个象素属性包括两个参数:平均值u 和 方差d。
对于一幅给定的图像G,如果 Exp(-(IG(x,y)-u(x,y))^2/(2*d^2)) > T,认为(x,y)是背景点,反之是前景点。
同时,随着时间的变化,背景图像也会发生缓慢的变化,这时我们要不断更新每个象素点的参数
u(t+1,x,y) = a*u(t,x,y) + (1-a)*I(x,y)
这里,a称为更新参数,表示背景变化的速度,一般情况下,我们不更新d(实验中发现更不更新d,效果变化不大)。
2.混合高斯模型
背景中包含一些复杂的运动,比喻树叶的晃动,现在假设背景为蓝天或者绿叶,树叶在微风中摇晃,某些点的像素值可能在蓝色(天空)和绿色*(树叶)间变化。此时无法用一个高斯模型去描述上述情形,所以提出了混合高斯模型,假定几个均值u和标准差 d混合表示背景。
其中论文:《Adaptive background mixture models for real-time tracking》;
《Foreground Object Detection from Videos Containing
Complex Background》;《An Improved Adaptive Background Mixture Model for Realtime Tracking with Shadow Detection》
三篇论文有详细论述。
- 运动物体检测的问题
- 运动物体的检测 初
- 运动物体的检测--对视频检测
- 基于OpenCv的运动物体检测算法
- opencv运动物体检测
- 运动物体的检测--对视频检测的改进
- unity解决快速运动物体碰撞检测穿透问题
- 光流法 运动物体检测[Eng]
- 光流检测运动物体
- 静态相机检测运动物体
- opecncv之运动物体检测
- 检测运动物体的基础_特征提取
- opencv检测运动物体的基础_特征提取
- opencv检测运动物体的基础_特征提取
- OpenCV检测运动物体的基础_特征提取
- opencv检测运动物体的基础_特征提取
- opencv检测运动物体的基础_特征提取
- opencv检测运动物体的基础_特征提取
- 在PHP里Cookie的使用是有一些限制的。
- 关于利用Flex lineChart绘制类似win系统下资源管理器时序图的例子
- 使用和配置共享服务器连接进程
- 用js实现IBM100年庆徽标竞猜功能
- GZIP, ZLIB, DEFLATE, 文件格式
- 运动物体检测的问题
- java File读写大全
- oracle常用查询
- Java/JSP中文乱码问题解决心得(转)
- STL容器:deque
- asp.net中使用jquery的ajax来post数据的树控件
- 动态规划初步探索
- jeecms加载首页的过程
- error: expected ‘=’, ‘,’, ‘;’, ‘asm’ or ‘__attribute__’ before ‘void’