背景模型选择的目标检测

-精选财经经济类资料- -最新财经经济资料-感谢阅读- 1 背景模型选择的目标检测 摘 要： 针对视频图像中的目标 检测问题，提出基于模型选择的背景模 型建模方法，并在此基础上实现了目标 检测。该方法能够有效地根据视频图像 的复杂度对其背景进行建模。对简单视 频图像选择改进的均值法背景模型，对 复杂视频图像则选择码本模型。以信息 论中的熵和边缘比率作为依据，判断图 像的复杂度，进而选择建立相应的背景 模型。实验结果表明，提出的算法模型 具有很好的目标检测效果，并可以较精 确地处理不同复杂度的视频图像。 中国论文网 /8/view-12830432.htm 关键词： 背景模型； 码本模型； 均值法； 信息熵； 视频图像； 目标 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 2 检测 中图分类号： TN911.73?34 文 献标识码： A 文章编号： 1004?373X（ 2018）13?0034?04 Abstract： A background model modeling method based on model selection is proposed to realize target detection in video image. With the proposed method， the background of the video image is effectively modeled according to the complexity of the video image. The improved mean value method background model is used to process the simple video image， and the codebook model is used to process the complex video image. The complexity of the image is judged on the basis of entropy in information theory and edge ratio， so as to select the corresponding background model. The experimental results show that the algorithm model has perfect target detection effect， and can process the -精选财经经济类资料- -最新财经经济资料-感谢阅读- 3 video image with different complexities accurately. Keywords ： background model； codebook model； mean value method； information entropy； video image； target detection 0 引 言 频运动目标检测在各个领域都 有广泛的应用，同时也是目标跟踪的基 础环节。运动目标检测现阶段主要有三 种方法，分别是光流法、帧差法和背景 减除法1。由于背景减除法对场景的动 态变化具有一定的适应能力，故该方法 是目前研究的热点。背景减除法主要利 用背景的像素特征进行背景建模，其中 最常用的背景建模方法是均值法背景建 模和对平均模型改进的单高斯背景建模 方法，为了处理复杂背景和缓慢变换的 背景，提出混合高斯模型2。 针对视频图像中光照变化较大和 动态背景造成运动目标提取困难的问题， 文献3提出基于码本 （CodeBook，CB ）的建模方法。该方 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 4 法提出采用不同的方法处理各种不同的 背景环境，实践证明该方法能够对视频 中的不同图像背景进行有效地建模，运 动目标检测的效果也得到了显著改进。 但是该方法不能根据视频中图像的实际 情况自适应地选择应该使用的背景模型。 因此，不能根据视频图像的复杂度，选 择建立相应的简单或复杂的背景模型。 本文提出一种根据背景复杂度进 行背景模式切换的算法，该算法通过信 息论的熵理论4和边缘比率判断图像的 复杂度5。对背景复杂度较低的图像， 利用改进均值法进行背景建模；对背景 复杂度较高的图像，则利用码本进行背 景建模。实验结果表明，本文提出的方 法具有良好的检测精度和实时性能，并 能有效地处理不同复杂度的视频图像。 1 背景模型 1.1 改进均值法背景模型 均值法背景模型6是基于时间的 多幅图像的平均，即通过求一段时间内 的连续视频图像累加和的平均值得到背 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 5 景图像。公式如下： 实验步骤为： 第一步：将视频分解，取视频图 像的第一帧和最后一帧，然后用视频图 像的帧数除以 5，使得进行算法编程的 图像按比例取得。 第二步：通过 sobel 边缘检测算 子检测边缘像素的数量，并通过公式计 算边缘比率。 第三步：按照 0.6 倍图像信息熵 和 0.4 倍边缘比率进行加权，求解图像 的复杂度。求解出判断图像复杂度的阈 值。 3 基于模型选择的背景建模 目前，背景建模通常采用一种模 型结构进行目标检测。本文采用的模型 选择双背景模型，即对简单视频图像选 择改进的均值法背景模型和对复杂视频 图像选择的码本模型，既可以根据视频 图像的复杂度进行背景建模，又可以有 效地处理不同的视频类型。为了区分视 频图像的复杂度，这里引进信息论的熵 理论和边缘比率，通过判断复杂度的大 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 6 小选择构造模型的方法，进而检测到运 动目标。基于背景模型选择的运动目标 检测流程图如图 1 所示。 4 实验结 果及分析 为了验证本文算法的有效性，算 法在 VS 2013+OPenCV 3.1.0 平台上进 行仿真实验。 首先，对多个视频序列进行数据 分析，在数据分析中充分考虑到光照、 目标的数量、视频图像的背景，按照 0.6 倍图像信息熵和 0.4 倍边缘比率进行 加权，最终得到模型选择的阈值如表 2 所示。 其次，用不同复杂度的视频进行 仿真实验，结果如图 2图 5 所示。通 过仿真结果可知，对于较为简单的视频 序列，改进均值法背景模型和码本背景 模型都可以很好地检测出运动目标。对 于较为复杂的视频序列，码本背景模型 可以很好地检测出运动目标，但是改进 均值法背景模型检测效果较差。而且通 过表 3 可知，处理简单视频图像，改进 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 7 均值法背景模型所用的时间远远小于码 本背景模型，因此在图像复杂度较低的 情况下使用改进均值法背景模型能够有 效地节约计算时间，提高计算效率。处 理复杂视频图像，改进均值法背景模型 所用的时间远远小于码本背景模型，但 是目标检测效果不好。对测试结果进行 分析可知，通过本文算法可以自适应地 进行模型选择，在保证检测效果的同时 提高效率。 5 结 语 基于模型选择的背景建模方法对 于视频序列复杂度较为简单的，改进均 值法背景模型和码本背景模型均可以很 好地检测出运动目标。对于视频序列较 为复杂的，码本背景模型可以很好地检 测出运动目标，但是改进均值法背景模 型检测效果较差。通过实验可知，处理 简单视频图像，改进均值法背景模型的 效率h 远高于码本背景模型，因此在 图像复杂度较低的情况下，改进均值法 背景模型