基于多尺度判别模型的复杂背景学习 |
| |
引用本文: | 杨源,许悦雷,钟小刚,毕笃彦.基于多尺度判别模型的复杂背景学习[J].系统仿真学报,2009,21(24). |
| |
作者姓名: | 杨源 许悦雷 钟小刚 毕笃彦 |
| |
作者单位: | 1. 空军工程大学工程学院四系,信号与信息处理实验室,西安,710038 2. 95668部队90分队,云南省西双版纳州,666100 |
| |
摘 要: | 智能监控系统中的一个关键问题是在图像序列中准确检测前景目标,但在复杂背景中,这仍然比较困难.将前景检测作为标记问题来处理,提出一种基于多尺度的判别模型,用来学习复杂背景.首先,通过基于像素的方法得到静态背景和运动目标;然后利用一组高斯滤波器组作用于不同的图像空间得到一系列的响应,在图像序列中估计这些响应的概率密度作为特征池,运用AdaBoost算法在特征池中挑选弱分类器组成强分类器,通过分类器获得运动目标中每个像素属于真实前景的置信度;最后,结合前景和背景的时空一致性,利用图分割求解马尔可夫随机场,获得准确的前景.实验结果表明提出的方法能很好地适应各种复杂背景.
|
关 键 词: | 智能监控 背景对消 多尺度 核密度估计 马尔可夫随机场 |
Learning Complex Background Based on Multi-scale Discriminative Model |
| |
Abstract: | |
| |
Keywords: | automated surveillance background subtraction multi-scale kernel density estimation Markov random fields |
本文献已被 万方数据 等数据库收录! |
|