改进的基于统计模型的前景检测方法

doi:10.3724/SP.J.1087.2013.01682

计算机应用 ›› 2013, Vol. 33 ›› Issue (06): 1682-1694.DOI: 10.3724/SP.J.1087.2013.01682

改进的基于统计模型的前景检测方法

强振平¹,刘辉²,尚振宏²,陈旭¹

1. 西南林业大学计算机与信息学院，昆明 650224
2. 昆明理工大学信息与自动化学院，昆明 650051

收稿日期:2013-01-04 修回日期:2013-02-26 出版日期:2013-06-01 发布日期:2013-06-05
通讯作者: 刘辉
作者简介:强振平（1981-），男，甘肃庆阳人，讲师，硕士，主要研究方向：数字图像处理、计算机视觉；刘辉（1969-），男，云南罗平人，教授，博士，主要研究方法：计算机视觉、模式识别；尚振宏（1975-），男，河南三门峡人，副教授，博士，主要研究方向：数字图像处理、计算机视觉；陈旭（1973-），男，云南昆明人，副教授，博士，主要研究方向：数字图像处理，遥感图像处理。
基金资助:
云南省科技计划项目（2009CA013）

Improved foreground detection based on statistical model

QIANG Zhenping¹,LIU Hui²,SHANG Zhenhong²,CHEN Xu¹

1. College of Computer and Information Science, Southwest Forestry University, Kunming Yunnan 650224,China
2. Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming Yunnan 650051,China

Received:2013-01-04 Revised:2013-02-26 Online:2013-06-05 Published:2013-06-01
Contact: LIU Hui

摘要/Abstract

摘要： 针对基于统计模型的前景检测方法进行改进:一方面，背景模型中记录特征向量属于背景的历史最大概率，在当前帧像素点特征向量与背景模型中已有特征向量匹配时，利用历史最大概率提高其更新速度，使其尽快融入背景;另一方面，对利用贝叶斯决策规则检测的前景目标，剔除其轮廓信息后与背景的空间特征进行匹配，减少阴影对前景检测的影响。实验结果表明，与MoG方法和Li的统计模型方法的前景检测相比，该方法在阴影剔除以及大目标物体遮挡背景恢复等方面都有明显改进。

关键词: 前景检测, 背景模型, 统计模型, 贝叶斯决策, 阴影剔除

Abstract: In this paper, the main idea was to improve the foreground detection method based on statistical model. On one hand, historical maximum probability of which feature vector belongs to background was recorded in the background model, which could improve the matched vectors updating speed and make it blended into the background quickly. On the other hand, a method using spatial feature match was proposed to reduce the shadow effect in the foreground detection. The experimental results show that, compared with the MoG method and Lis statistical model method, the method proposed in this paper has obvious improvement in shadow remove and obscured background restoration of big target object.

Key words: foreground detection, background model, statistical model, Bayesian decision, shadow elimination

中图分类号:

TP391.41

强振平刘辉尚振宏陈旭. 改进的基于统计模型的前景检测方法[J]. 计算机应用, 2013, 33(06): 1682-1694.

QIANG Zhenping LIU Hui SHANG Zhenhong CHEN Xu. Improved foreground detection based on statistical model[J]. Journal of Computer Applications, 2013, 33(06): 1682-1694.

参考文献

[1] HARITAOGLU I, LARRY S D, HARWOOD D. W4: Who? When? Where? What? A real time system for detecting and tracking people［C］// Proceedings of the 3rd IEEE International Conference on Face and Gesture Recognition. Piscataway:IEEE, 1998:222-227.
[2] WREN C R, AZARBAYEJANI A, DARRELL T, et al. Pfinder: Real-time tracking of the human body［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997,19(7):780-785.

[3] STAUFFER C, GRIMSON W E L. Learning patterns of activity using real-time tracking［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000,22(8):747-757.

[4] STENGER B, RAMESH V, PARAGIOS N, et al. Topology free hidden Markov models：application to background modeling［C］// Proceedings of the 8th IEEE International Conference on Computer Vision. Piscataway:IEEE, 2001:294-301.

[5] BARNICH O, van DROOGENBROECK M. ViBe: A universal background subtraction algorithm for video sequences［J］. IEEE Transactions on Image Processing, 2011, 20(6):1709-1724.

[6] BRUTZER S, HOFERLIN B, HEIDEMANN G. Evaluation of background subtraction techniques for video surveillance［C］// 2011 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Piscataway:IEEE, 2011: 1937-1944.

[7] 冯华文，龚声蓉，刘纯平. 基于改进高斯混合模型的前景检测［J］. 计算机应用，2011,37(19):179-182.

[8] LI L Y, HUANG W M, GU I Y H, et al. Foreground object detection in changing background based on color co-occurrence statistics［C］// Proceedings of the 6th IEEE Workshop on Applications of Computer Vision. Piscataway:IEEE, 2002:269-274.

[9] LI L Y, HUANG W M, GU I Y H, et al. Foreground object detection from videos containing complex background［C］// Proceedings of the 11th ACM International Conference on Multimedia. New York: ACM, 2003: 2-10.

[10] ROSIN P. Thresholding for change detection［C］// Proceedings of the 6th International Conference on Computer Vision. Piscataway:IEEE, 1998: 274-279.

[11] ROSIN P L, ELLIS T. Image difference threshold strategies and shadow detection［C］// Proceedings of the 6th British Machine Vision Conference. Manchester, UK:BMVA, 1994:347-356.

[12] YAO J, ODOBEZ J M. Multi-layer background subtraction based on color and texture［C］// IEEE Conference on Computer Vision and Pattern Recognition. Piscataway:IEEE, 2007:1-8.

[1]	杨浩, 王宇, 张中原. 基于K最近邻样本平均距离的代价敏感算法的集成[J]. 计算机应用, 2019, 39(7): 1883-1887.
[2]	陈利霞, 刘俊丽, 王学文. 结合加权Schatten-p范数与3D全变分的前景检测[J]. 计算机应用, 2019, 39(4): 1170-1175.
[3]	顾佩月, 刘峥, 李云, 李涛. 基于时滞特征的时序依赖情节发现[J]. 计算机应用, 2019, 39(2): 421-428.
[4]	汪海彬, 余正涛, 毛存礼, 郭剑毅. SMFCC:一种新的语音信号特征提取方法[J]. 计算机应用, 2016, 36(6): 1735-1740.
[5]	邵良杉, 郭雅婵. 基于Codebook的视频火焰识别算法[J]. 计算机应用, 2015, 35(5): 1483-1487.
[6]	夏菁菁高琳范勇段晶晶任新宇刘旭高攀. 基于骨架特征的人数统计[J]. 计算机应用, 2014, 34(2): 585-588.
[7]	罗晓清吴小俊. 结合熵主成分变换与优化方法的遥感图像融合[J]. 计算机应用, 2013, 33(02): 468-475.
[8]	施小成郝丽超张伟吴迪. 基于Blob分析和贝叶斯决策的水下目标提取方法[J]. 计算机应用, 2012, 32(11): 3214-3217.
[9]	李宇郭雷勇谭洪舟. 基于帧间相关性的语音活动检测方法[J]. 计算机应用, 2011, 31(05): 1447-1449.
[10]	张运楚宋世军张汝敏郝建林. 高斯混合背景模型的适应能力研究[J]. 计算机应用, 2011, 31(03): 706-709.
[11]	白雪彭德巍. 基于统计学模型的VOD负载均衡设计[J]. 计算机应用, 2010, 30(3): 765-767.
[12]	江国来林耀荣. 自适应模型和固定模型结合的肤色分割算法[J]. 计算机应用, 2010, 30(10): 2698-2701.
[13]	张玲顾彦飞何伟. 基于子频带加权的语音活动检测算法[J]. 计算机应用, 2010, 30(05): 1262-1265.
[14]	李红波王玮吴渝. 复杂背景下多目标彩色分割算法[J]. 计算机应用, 2009, 29(12): 3322-3325.
[15]	徐哲刘循. 贝叶斯决策树在英文现在分词词性识别中的应用[J]. 计算机应用, 2009, 29(09): 2571-2574.

改进的基于统计模型的前景检测方法

Improved foreground detection based on statistical model

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