基于可信度评估的背景建模方法

doi:10.3724/SP.J.1087.2012.01532

计算机应用 ›› 2012, Vol. 32 ›› Issue (06): 1532-1535.DOI: 10.3724/SP.J.1087.2012.01532

基于可信度评估的背景建模方法

屈志毅,田楠,温莉娟

兰州大学信息科学与工程学院，兰州 730000

收稿日期:2011-11-25 修回日期:2012-01-18 发布日期:2012-06-04 出版日期:2012-06-01
通讯作者: 田楠
作者简介:屈志毅（1957-），男，甘肃兰州人，教授，主要研究方向：网络与多媒体信息处理；〓田楠(1986-)，男，河北任丘人，硕士研究生，主要研究方向：网络与多媒体信息处理；〓温莉娟(1987-)，女，河南开封人，硕士研究生，主要研究方向：网络与多媒体信息处理。

Background modeling based on credibility evaluation

QU Zhi-yi,TIAN Nan,WEN Li-juan

School of Information Science and Engineering, Lanzhou University, Lanzhou Gansu 730000, China

Received:2011-11-25 Revised:2012-01-18 Online:2012-06-04 Published:2012-06-01
Contact: TIAN Nan

摘要/Abstract

摘要： 传统算法在背景建模过程中孤立地对像素进行分析，在处理缓慢移动物体和往复运动物体时常常发生误判。针对这一情况，提出一种新的背景建模方法。该方法通过对像素值稳定性、像素值出现频率以及像素间的空间联系统计分析，评估出每一像素值作为背景的可信程度，进而得出背景。对比已有的背景建模算法，该方法在分析过程中考虑了物体的整体属性，在适应环境的变化与背景扰动的同时，能明显减少现有算法对缓慢移动物体和往复运动物体的误判。

关键词: 背景建模, 视频监控, 可信度评估, 空间联系, 图像分割

Abstract: Most existing algorithms analyze pixels separately, lead to misjudge in process slow-moving object and reciprocating-moving object. According to this, one new method is presented. This method evaluates the credibility of every pixel values as background by analyze the stability, appear frequency and spatial relations of one pixel value. Compare to existing algorithms, this algorithm not only adapt to environment changes and background disruption but also adapt to slow-moving object and reciprocating-moving object.

Key words: background modeling, video surveillance, reliability evaluation, spatial relations, image segmentation

中图分类号:

TP391.41

屈志毅田楠温莉娟. 基于可信度评估的背景建模方法[J]. 计算机应用, 2012, 32(06): 1532-1535.

QU Zhi-yi TIAN Nan WEN Li-juan. Background modeling based on credibility evaluation[J]. Journal of Computer Applications, 2012, 32(06): 1532-1535.

[1]	杨瑞, 钱晓军, 孙振强, 许振. 自然场景下多区域特征融合的混合航拍图像分割算法[J]. 计算机应用, 2021, 41(8): 2445-2452.
[2]	黄梨, 卢龙. 基于长距离依赖编码与深度残差U-Net的缺血性卒中病灶分割[J]. 计算机应用, 2021, 41(6): 1820-1827.
[3]	沈雪雯, 王晓东, 姚宇. 基于空间分频的超声图像分割注意力网络[J]. 计算机应用, 2021, 41(6): 1828-1835.
[4]	罗琴, 王艳. 无需初始轮廓的图像分割模型[J]. 计算机应用, 2021, 41(4): 1179-1183.
[5]	董阳, 潘海为, 崔倩娜, 边晓菲, 滕腾, 王邦菊. 面向多模态磁共振脑瘤图像的小样本分割方法[J]. 计算机应用, 2021, 41(4): 1049-1054.
[6]	胡屹杉, 秦品乐, 曾建潮, 柴锐, 王丽芳. 基于特征融合和动态多尺度空洞卷积的超声甲状腺分割网络[J]. 计算机应用, 2021, 41(3): 891-897.
[7]	袁芊芊, 邓洪敏, 王晓航. 基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割[J]. 计算机应用, 2021, 41(2): 563-570.
[8]	李自强, 王正勇, 陈洪刚, 李林怡, 何小海. 基于外观和动作特征双预测模型的视频异常行为检测[J]. 计算机应用, 2021, 41(10): 2997-3003.
[9]	原泉, 王艳, 李玉先. 距离保持水平集演化模型的快速实现算法[J]. 计算机应用, 2020, 40(9): 2743-2747.
[10]	高海军, 曾祥银, 潘大志, 郑伯川. 基于U-Net改进模型的直肠肿瘤分割方法[J]. 计算机应用, 2020, 40(8): 2392-2397.
[11]	吴崇数, 林霖, 薛蕴菁, 时鹏. 基于自监督学习的病理图像层次分割[J]. 计算机应用, 2020, 40(6): 1856-1862.
[12]	张一飞, 李新福, 田学东. 基于图像分割的立体匹配算法[J]. 计算机应用, 2020, 40(5): 1415-1420.
[13]	曾招鑫, 刘俊. 基于深度学习的秀丽隐杆线虫显微图像分割方法[J]. 计算机应用, 2020, 40(5): 1453-1459.
[14]	魏小娜, 邢嘉祺, 王振宇, 王颖珊, 石洁, 赵地, 汪红志. 基于改进U-Net的关节滑膜磁共振图像的分割[J]. 计算机应用, 2020, 40(11): 3340-3345.
[15]	冯涛, 陈斌, 张跃飞. 基于改进的Mask R-CNN的染色体图像分割框架[J]. 计算机应用, 2020, 40(11): 3332-3339.

基于可信度评估的背景建模方法

Background modeling based on credibility evaluation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics