一种基于扩展混合高斯模型的运动目标检测方法

摘要

本发明是一种基于扩展混合高斯模型的运动目标检测方法。所述方法包含如下步骤：通过一级模型构建模块，基于扩展混合高斯模型，构造阴影背景、和前景的概率密度函数；通过二级模型构建模块，基于上述三类的模型，构造运动目标和非运动目标的概率密度函数；通过分类模块，应用MAP-MRF(Maximum a Posteriori-Markov Random Field)方法进行分类；应用跟踪的反馈信息，进一步精确前景模型。本发明通过将高斯混合模型融合空间信息可以克服因背景运动造成的前景误检测；通过在一个概率框架中融合背景建模、前景检测和阴影去除可以克服阴影所造成的不利影响，从而提高运动目标的检测效果。

主权项

一种基于扩展混合高斯模型的运动目标检测方法，其特征在于，包含如下步骤：利用计算机视觉技术摄像头从图像像素中检测、跟踪和识别运动物体，通过计算机的一级模型构建模块，基于扩展混合高斯模型融合了空间信息，构造阴影、背景和前景的概率密度函数；通过二级模型构建模块，基于上述三类模型，构造运动目标和非运动目标的概率密度函数，所述三类模型是阴影模型、背景模型和前景模型；通过分类模块，应用MAP‑MRF(Maximum a Posteriori‑MarkovRandom Field)方法进行分类，将一个三类的分类转变为两类的分类，得到非运动目标和运动目标；利用运动目标应用跟踪的反馈信息，进一步精确前景模型；所述构造阴影、背景和前景的概率密度函数步骤包括：基于扩展的混合高斯模型，假设对于某一栅格，其在大部分时间内为背景所覆盖，构建背景模型；基于扩展的混合高斯模型，假设如果某一时刻，一个栅格检测到前景样本，则下一时刻，沿速度方向上的另一个栅格检测到颜色相似的前景样本的概率增加，构建前景模型；基于扩展的混合高斯模型，假设对于同一个栅格，不同的运动目标所造成的阴影特征是相似的，构建阴影模型；所述构造运动目标和非运动目标的概率密度函数步骤包括：基于非运动目标包含阴影和背景的特征，构建非运动目标模型；基于前景包含运动目标的特征，构建运动目标的模型。