吉林大学学报(信息科学版)
吉林大學學報(信息科學版)
길림대학학보(신식과학판)
JOURNAL OF JILIN UNIVERSITY(INFORMATION SCIENCE EDITION)
2013年
5期
540-547
,共8页
车辆检测%混合高斯%背景差分%匹配度分布
車輛檢測%混閤高斯%揹景差分%匹配度分佈
차량검측%혼합고사%배경차분%필배도분포
vehicle detection%gaussian mixture model (GMM)%background subtraction%distribution of matching rate
为解决高斯混合模型GMM(Gaussian Mixture Model)在车辆检测中存在的车辆断裂等问题,提出了一种基于匹配度分布的混昆合高斯车辆检测算法.该算法采用c均值聚类法计算混合高斯模型初始值,得到初步的背景模型;匹配度分布的提出充分考虑了背景变化的时间性和空间性的特性;根据前几帧检测结果得到每个点的匹配度分布,对当前图片改变背景学习的规则,去除了干扰,适应了背景的变化.实验结果表明,该算法较传统的混合高斯检测方法检测率平均提高16%以上,使背景也更稳定和准确,克服了车辆检测的断裂以及光照突变等问题,提高了车辆区域检测的准确性.
為解決高斯混閤模型GMM(Gaussian Mixture Model)在車輛檢測中存在的車輛斷裂等問題,提齣瞭一種基于匹配度分佈的混昆閤高斯車輛檢測算法.該算法採用c均值聚類法計算混閤高斯模型初始值,得到初步的揹景模型;匹配度分佈的提齣充分攷慮瞭揹景變化的時間性和空間性的特性;根據前幾幀檢測結果得到每箇點的匹配度分佈,對噹前圖片改變揹景學習的規則,去除瞭榦擾,適應瞭揹景的變化.實驗結果錶明,該算法較傳統的混閤高斯檢測方法檢測率平均提高16%以上,使揹景也更穩定和準確,剋服瞭車輛檢測的斷裂以及光照突變等問題,提高瞭車輛區域檢測的準確性.
위해결고사혼합모형GMM(Gaussian Mixture Model)재차량검측중존재적차량단렬등문제,제출료일충기우필배도분포적혼곤합고사차량검측산법.해산법채용c균치취류법계산혼합고사모형초시치,득도초보적배경모형;필배도분포적제출충분고필료배경변화적시간성화공간성적특성;근거전궤정검측결과득도매개점적필배도분포,대당전도편개변배경학습적규칙,거제료간우,괄응료배경적변화.실험결과표명,해산법교전통적혼합고사검측방법검측솔평균제고16%이상,사배경야경은정화준학,극복료차량검측적단렬이급광조돌변등문제,제고료차량구역검측적준학성.