重庆工商大学学报(自然科学版)
重慶工商大學學報(自然科學版)
중경공상대학학보(자연과학판)
JOURNAL OF CHONGQING TECHNOLOGY AND BUSINESS UNIVERSITY(NATURAL SCIENCE EDITION)
2013年
5期
30-36
,共7页
目标检测%GMM%参数估计%EM算法%差分进化
目標檢測%GMM%參數估計%EM算法%差分進化
목표검측%GMM%삼수고계%EM산법%차분진화
背景减除法通过计算当前帧与背景模型的差来实现运动目标的检测,因此背景建模是背景减除法的关键;混合高斯模型(Gaussian mixture model,GMM)可对存在渐变及重复性运动的场景进行建模,有效的提高了在光线强度变化,物体摇摆等复杂场景下建模的准确性;但它也有其固有缺点,针对利用传统EM算法进行GMM模型参数估计时,易陷入解空间的局部最优的缺陷,采用基于最大惩罚的EM参数估计,对传统的EM算法进行改进;另外,在检测不需要满足实时性时,提出了一种基于差分进化算法的GMM参数估计法;最后把改进的GMM参数估计方法应用于基于GMM模型的运动目标检测当中进行验证,并得到很好的检测效果.
揹景減除法通過計算噹前幀與揹景模型的差來實現運動目標的檢測,因此揹景建模是揹景減除法的關鍵;混閤高斯模型(Gaussian mixture model,GMM)可對存在漸變及重複性運動的場景進行建模,有效的提高瞭在光線彊度變化,物體搖襬等複雜場景下建模的準確性;但它也有其固有缺點,針對利用傳統EM算法進行GMM模型參數估計時,易陷入解空間的跼部最優的缺陷,採用基于最大懲罰的EM參數估計,對傳統的EM算法進行改進;另外,在檢測不需要滿足實時性時,提齣瞭一種基于差分進化算法的GMM參數估計法;最後把改進的GMM參數估計方法應用于基于GMM模型的運動目標檢測噹中進行驗證,併得到很好的檢測效果.
배경감제법통과계산당전정여배경모형적차래실현운동목표적검측,인차배경건모시배경감제법적관건;혼합고사모형(Gaussian mixture model,GMM)가대존재점변급중복성운동적장경진행건모,유효적제고료재광선강도변화,물체요파등복잡장경하건모적준학성;단타야유기고유결점,침대이용전통EM산법진행GMM모형삼수고계시,역함입해공간적국부최우적결함,채용기우최대징벌적EM삼수고계,대전통적EM산법진행개진;령외,재검측불수요만족실시성시,제출료일충기우차분진화산법적GMM삼수고계법;최후파개진적GMM삼수고계방법응용우기우GMM모형적운동목표검측당중진행험증,병득도흔호적검측효과.