文档介绍：基于局部更新的分层码本目标检测算法?フ?要:为了解决复杂环境下如树木摇摆、水波晃动等波动式干扰及光照变化对运动目标检测产生影响的问题,给出了一种基于码本模型的运动目标检测算法。考虑到实际场景中背景的变化主要体现在亮度方面,首先对视频序列图像进行颜色空间转化,由RGB空间转化到YUV空间,然后利用Box模型优化了码本模型参数和训练策略。目标检测时,采用局部背景更新方法,即利用帧差法确定变化区域,结合分层码本思想,实时更新背景模型,以达到精确提取运动目标的目的。对比实验表明在背景中存在扰动或者光照发生变化等情况下,该算法都能够对运动目标进行有效检测,具有一定实用性和鲁棒性。?ス丶?词:背景建模;背景差法;帧差法;分层码本;目标检测?ブ型挤掷嗪?::A Abstract:Inbackgroundsubtraction,plexbackgroundmotionsincludingwavingtrees,ripplingwater,illuminationchanges,,aCodebook??,,alocalupdatedmethod,namelythroughframedifferencetodetecttheregionofvariation,wasincorporatedintolayeredCodebooktoupdatethebackgroundinreal??time,parativeresultsindicatethatthealgorithmcanhandlescenescontainingmovingbackgroundsorilluminationvariations,anditachievesrobustobjectdetectionfordifferenttypesofvideos. Keywords:backgroundmodel;backgroundsubtraction;framedifference;layeredcodebook;objectdetection ?? 0引言?? 运动目标检测是计算机视觉系统的重要研究内容,广泛应用于视频监控、目标跟踪等领域。其中,视频监控的一个典型应用是使用固定摄像机和计算机系统对交通、居民区、银行、办公室等进行监控。针对这类应用,现有的运动目标检测方法主要有帧差法????[1]??、光流法????[2]??、背景差法????[3]??等。背景差法以其简单易于实现、鲁棒性强等优势成为众多学者研究的重点。它主要是通过视频序列图像与背景模型作差来实现对运动目标的检测。由于背景容易受到噪声或者光照变化等影响,如何建立精确的背景模型并对其实时更新以适应背景变化成为该方法的关键。Wren等人????[4]??使用单高斯分布对每个像素点在YUV空间构造背景。该模型对光照强度变化敏感。对于较长时间光照强度无明显变化的场景,如室内环境,该模型能够取得良好的检测效果。Stauffer等人????[5]??使用混合高斯模型构造背景,即用??K??个高斯分布混合模拟每个像素点,按照权重与标准差之比的大小进行排序,再利用设置好的阈值选取前??N?Ц龇植甲魑?背景模型。该方法能够应用于复杂环境中。但是,在处理快速运动或者缓慢运动的目标,学****率很难控制在既不过检又不漏检的理想状态????[6-7]??。于是,Kim等人提出了一种新的目标检测算法――码本算法,并通过实验验证了该算法的可靠性和鲁棒性????[8]??。?? 码本算法的思想是首先对视频序列中对应位置像素点进行聚类分析,得到初始的码本模型;然后根据前景像素和背景像素的分布特性,剔除噪声码字和少量的前景码字,得到纯净的背景模型;再利用背景差法提取运动目标。码本模型中每个码字采用多个参数描述,不仅增加了训练过程中的时间复杂度和空间复杂度????[9]??,而且也增加了检测过程中的算法复杂度。?? 针对实际场景中光线变化情况及码字的冗余性,采用基于YUV空间的Box模型????[10-11]??。学****训练背景,优化码字描述参数的同时,精炼了码本模型。目标检测阶段,利用局部更新的分层码本技术对变化背景进行实时更新,使得该算法在复杂场景中仍具有很好的健壮性和稳定性。如对于光线