基于自组织背景减除的运动目标检测算法
本文根据M. Lucia等人的论文“A self-Organizing approach to background subtraction for visual surveillance applications ”结合自己的理解而成,如果对论文感兴趣的,将在后面给出相应的链接下载,有问题欢迎交流。另转载请注明出处:http://blog.csdn.net/kezunhai。
在改论文中,作者提出了一种基于自组织神经网络(self-Organizing through artificial neural networks)的背景减除算法(简称SOBS算法),用于智能视频监控系统中的目标检测,该算法不仅对光照具有较强的鲁棒性,而且具有较强的实用性。本文将对算法分两个环节进行介绍,分别是背景建模、前景检测与背景更新。
1)背景建模
根据神经网络的特性,一个网络输入节点,对应多个中间节点。文中在背景建模阶段,也采用了这种思路,将背景模型中的一个像素映射到模型中的多个位置,首先我们用下图这个例子来看看映射方式:
在上图中是采用一个2×3例子来说明,对于一个每个像素,在背景模型中采用n×n(n=3)来表示,则对于一幅M×N的图像来说,其背景模型的大小将变成(M×n)×(N×n),即与原图像相比,模型的大小扩大了n×n倍。图中,像素a对应于模型中的(a1,a2,....,an2-1)。在背景模型初始化时,将图像转换到HSV颜色空间,模型中的每个值用ai=(hi,si,vi)表示。因此,对于原图中(x,y)处的一个像素,则对应于背景模型中的(i,j)(i=n*x,n*x+1,...,x*(n+1)-1), j =n*y,n*y+1,...,y*(n+1)-1))。
至此,SOBS背景模型建立完成,下面我们进一步来分析前景检测与背景更新。
2)前景检测与背景更新
对于新进来的视频帧,对应位置的像素与背景模型中对应位置的模型进行比较。在HSV颜色空间,两个像素的pi与pj的距离如下式来计算:
这种距离叫做HSV Color Hexcone,对光照变化具有较强的鲁棒性。另外,假设图像中(x,y)处的像素对应的背景模型为C=(c1,c2,...,cn2),则采用上式计算当前像素与背景模型的距离,如果最小距离满足下式:
式子的右边是一个阈值,则该像素被分为背景模型,并进行背景更新。背景更新是论文中的一大亮点,其采用了像素邻域空间相关的更新方式,取得了很好的效果。
具体来说如下:
① 在背景建模时,模型中的每个像素都对应一个权重weight,该权重初始化为高斯权重。
② 如果当前像素被判为背景,且其与对应背景模型C中的cm最匹配(假设对应位置为(x',y')),即上式中的距离最小, 则其权重采用下式进行更新:
其中,i=x'-n/2,x'-n/2+1,...,x'+n/2 , j=y'-n/2,y'-n/2+1,...,y'+n/2 。其中alpha(i,j)的值如下所示:
其中alpha(t)是一个常数,wi,j就是对应的高斯权重。
通 过上式的更新方式,我们可以看到,如果一个像素被判为背景,那么其邻域像素也会被更新,其邻域像素的背景模型也会被该像素影响,使邻域的信息进一步融入模型中,使得算法具有了邻域空间相关性。这里我继续通过上面的映射图来进一步解释:假设a位置的像素与背景模型中的a9最匹配,即其距离满足上面的最小距离度量方式,那么背景模型中对应于(a5,a6,b4,a8,a9,b7,d3,e1,e3)将被更新,更新位置如下图所示(即图中黑色框框出来的像素将被更新,更新模型中包括了邻域的背景像素,随着算法的继续执行,那么邻域之间的信息将被更好的融合):
经过测试,算法性能表现不错,对光照也有较强的鲁棒性,另外计算速度还可以,对于352×288的图像来说,处理速度可以达到15-20fps(应个人主机而异)。但是有些许不足的是,该算法中的每个像素都要与背景模型中的n×n个像素背景求最小值,这在一定程度上影响了处理速度(但这又与背景模型的更新紧密关联,能否采用类似VIBE算法中的度量方式,只要满足#min,则判为背景,然后选用另外的更新方式,处理速度上应该有所提高)。另外,作者与此相关的一篇论文:The SOBS algorithm- what are the limits,有兴趣的读者可以下下来看看。下面给出论文的伪代码:
最后,贴出几张论文中的效果图:
论文下载:http://download.csdn.net/detail/kezunhai/5283117
基于自组织背景减除的运动目标检测算法相关推荐
- 【计算机视觉】基于自组织背景减除的运动目标检测算法
本文根据M. Lucia等人的论文"A self-Organizing approach to background subtraction for visual surveillance ...
- Matlab实现---基于平均背景法的视频运动目标检测(有背景更新)
目录 实现目标及说明 代码及说明 完整文件获取 实现目标及说明 MATLAB--编程实现基于平均背景法的视频运动目标检测,并且要不断更新背景. 网上找到的很多关于运动目标检测的,多数是用OpenCV或 ...
- 基于高斯核密度估计的背景建模和改进的五帧帧差法相融合的运动目标检测算法
上篇文章所指定的是对一个不包含动态背景的监控视频进行前景提取,用基于改进的五帧帧差和混合高斯模型相融合的前景提取算法是可以很好实现前景提取的.但本文中要求在包含动态背景的监控视频提取前景目标,虽然上篇 ...
- 【计算机视觉】运动目标检测算法文献阅读笔记
先前在博客中对常见的运动目标检测算法有写过一篇总结,详情请参考:http://blog.csdn.NET/kezunhai/article/details/8830787.本文是在校期间写的部分阅读笔 ...
- 无人机视频图像运动目标检测算法综述------2019年-------------
本篇为该综述阅读笔记 论文出处: 国内外研究: 目前,国内外学者利用无人机视频图像开展运动目标检测大多将研究重点放在典型运动目标--车辆上,例如美国[3]德国[4]等,我国也开展了利用无人机检测运动车 ...
- matlab计算胎心率,基于盲分离的胎心音心率检测算法与实现
基于盲分离的胎心音心率检测算法与实现 胎心监护是保障胎儿和产妇安全,实现国家优生优育的重要手段,在围产阶段对母体内的胎儿进行监护,可以在了解胎儿发育状况的同时,大大地减少因缺氧.缺血而出现的窘迫,导致 ...
- matlab rgb 到 ycgcr,基于混合肤色模型的快速人脸检测算法
摘 要: 提出了一种基于混合肤色模型" title="肤色模型">肤色模型" title="肤色模型">肤色模型" ...
- 目标检测YOLO实战应用案例100讲-基于激光雷达点云的三维目标检测算法研究
目录 基于激光雷达点云的三维目标检测算法研究 基于投影图的方法 基于点云的多模态融合方法
- 笔记《基于无人驾驶方程式赛车的传感器融合目标检测算法研究及实现》
论文结构 关键字:无人驾驶方程式赛车,相机,激光雷达,目标检测,传感器融合 一.绪论 1. 感知技术研究现状 1.1.1 基于相机的目标检测技术研究现状 1.1.2 基于激光雷达的目标检测技术研究现状 ...
最新文章
- js的下拉框事件之onchange
- MySQL 优化实战记录
- Selenium之定位浏览器弹窗方法汇总
- ResNet网络解决的一些事
- android webview控件的缩放问题 隐藏缩放控件
- mysql 内置功能 函数 date_format函数
- 中国内窥镜干燥存放柜市场趋势报告、技术动态创新及市场预测
- python beautifulsoup_Python爬虫利器:Beautiful Soup的使用(一)
- 程序员代码面试指南:IT 名企算法与数据结构题目最优解
- java素数的判断方法_2java判断素数
- 海外抖音推荐算法,玩转tiktok短视频内容运营
- 黑客入侵香港中文大学网 师生资料被盗
- JAVAWEB开发Myeclipse 项目中报“无法解析类型 java.io.ObjectInputStream,从必需的 .class 文件间接引用了它”解决办法
- OSPF Vlink peer的配置
- Win7 64位重装系统之后,IE11安装失败、升级失败之解决办法
- 网络教育本科统考计算机和英语作文,远程教育本科统考英语真题及答案
- 5分钟搞定各类USB转serial串口驱动,最简单的方法
- 安卓ttf格式的字体包_【新品】比百思不得姐细一点的小粗黑丨正常大小+小字体...
- EVE模拟器使用说明
- 笔记本无线连外网,有线连内网,如何实现?
热门文章
- Codeforces Problem 708A Letters Cyclic Shift(implementation)
- 机器学习 - 贝叶斯理论
- 【VMware vSAN 7.0】6.7 手动配置 vSAN 延伸集群—我们有软硬件解决方案
- Duilib中为RichEdit\Edit控件添加自定义右键菜单
- 【滤波器】基于低通、带通、高通滤波器实现语音去噪含Matlab源码
- 跳槽涨薪必看:面试怎么谈才能拿到理想薪资
- python生成器 send()方法
- upc 马拉松比赛 dp
- EF的水印和验证码图制做
- linux 解除文件root权限限制