題-1_100_100.jpg)
基本信息
- 項(xiàng)目名稱：
- 基于改進(jìn)混合高斯模型的目標(biāo)檢測系統(tǒng)
- 小類：
- 信息技術(shù)
- 大類：
- 科技發(fā)明制作B類
- 簡介：
- 本系統(tǒng)設(shè)計(jì)并實(shí)現(xiàn)了一種基于色度空間的最鄰近n幀改進(jìn)算法，以提高傳統(tǒng)混合高斯模型的目標(biāo)檢測效果。當(dāng)光照發(fā)生突然變化時(shí)，利用像素點(diǎn)的色度信息代替RGB值，有效避免亮度突變的干擾；為了反映背景的動(dòng)態(tài)變化，檢測系統(tǒng)使用各高斯分布在最近n幀與像素點(diǎn)測量值的匹配次數(shù)的指數(shù)函數(shù)實(shí)現(xiàn)權(quán)重值的更新。
- 詳細(xì)介紹：
- 1、基本框架： 基于混合高斯模型的目標(biāo)檢測方法主要分為初始化、參數(shù)更新、背景建立、目標(biāo)提取四個(gè)階段。 2、創(chuàng)新特色： 一、基于色度空間的改進(jìn)算法： 在光照突變時(shí)，采用色度信息進(jìn)行背景模型匹配和參數(shù)更新操作，避免亮度變化對檢測結(jié)果的干擾 。 二、最鄰近n幀快速收斂算法：拋開傳統(tǒng)算法中權(quán)重更新因子的概念，利用高斯分布在最近數(shù)幀內(nèi)匹配次數(shù)的指數(shù)函數(shù)直接完成權(quán)重更新工作，實(shí)現(xiàn)背景模型快速收斂。 3、功能說明： 本系統(tǒng)主要分為三大模塊：視頻打開與錄制模塊；視頻處理模塊；視頻顯示與控制模塊。我們使用MATLAB完成核心算法的設(shè)計(jì)，采用VC實(shí)現(xiàn)系統(tǒng)交互設(shè)計(jì)，并利用MATCOM實(shí)現(xiàn)VC與MATLAB的混合編程。其中，借助OpenCV軟件平臺完成基本的圖像處理功能。 4、前景展望： 本作品的研究成果可廣泛應(yīng)用于智能交通檢測，軍事視覺制導(dǎo)、機(jī)器人視覺導(dǎo)航、安全監(jiān)測、虛擬現(xiàn)實(shí)以及戰(zhàn)場警戒等領(lǐng)域中。
作品圖片
作品專業(yè)信息
設(shè)計(jì)、發(fā)明的目的和基本思路、創(chuàng)新點(diǎn)、技術(shù)關(guān)鍵和主要技術(shù)指標(biāo)
- 研究目的： 1、通過研究基于非線性權(quán)值遞推公式的權(quán)值更新算法，提出一種實(shí)現(xiàn)背景模型快速收斂的新思路； 2、根據(jù)不同顏色空間的特征，探索采用轉(zhuǎn)換顏色空間的方式，加強(qiáng)算法的穩(wěn)定性，抑制光照突變的干擾； 3、基于改進(jìn)算法的運(yùn)動(dòng)目標(biāo)檢測系統(tǒng)的設(shè)計(jì)與開發(fā)，將大大增加改進(jìn)方案的說服力，提高本項(xiàng)目的實(shí)用價(jià)值。 基本思路： 1、最鄰近n幀改進(jìn)算法： 首先根據(jù)檢測場景的實(shí)際狀況設(shè)置參考視頻幀的數(shù)目n，若背景在短期內(nèi)易發(fā)生動(dòng)態(tài)變化，那么n的取值應(yīng)該較??；然后記錄各像素點(diǎn)的每個(gè)高斯分布在最近n幀內(nèi)與該點(diǎn)測量值的匹配次數(shù)；最后利用各高斯分布對應(yīng)的匹配次數(shù)的指數(shù)函數(shù)值計(jì)算的權(quán)重，實(shí)現(xiàn)背景模型的權(quán)重更新。2、基于色度空間的改進(jìn)算法： 首先當(dāng)前景范圍占到整個(gè)畫面的80%以上，表示出現(xiàn)了光照的突然變化，需要重新進(jìn)行目標(biāo)檢測；其次，對各像素點(diǎn)和背景模型進(jìn)行顏色空間的轉(zhuǎn)換，將其RGB值都轉(zhuǎn)化為HSB值，并舍去其中的亮度值；最后在HSB顏色空間中進(jìn)行目標(biāo)提取操作。 創(chuàng)新點(diǎn)： 1、拋開傳統(tǒng)算法中權(quán)重更新因子的概念，利用高斯分布在最近數(shù)幀內(nèi)匹配次數(shù)的指數(shù)函數(shù)直接完成權(quán)重更新工作，實(shí)現(xiàn)背景模型快速收斂； 2、基于不同顏色空間的表現(xiàn)特征，在確定場景中的光照發(fā)生突變之后，利用像素點(diǎn)的HSB值重新進(jìn)行模型匹配，避免光照突變對檢測結(jié)果的干擾。 技術(shù)關(guān)鍵： 1、MATLAB與VC++的混合編程 2、最鄰近n幀改進(jìn)算法； 3、基于色度空間的改進(jìn)算法。
科學(xué)性、先進(jìn)性
- 作品的科學(xué)性先進(jìn)性: 由于傳統(tǒng)混合高斯模型仍然存在以下缺點(diǎn)：參數(shù)更新的收斂速度較慢，不能夠及時(shí)反映背景的變化，影響背景建模的準(zhǔn)確性；對全局亮度的變化比較敏感，有時(shí)會(huì)將整個(gè)視頻幀作為前景。因此，本文提出一種基于色度空間的最鄰近n幀快速收斂算法，以改進(jìn)傳統(tǒng)的混合高斯背景建模方法。 當(dāng)光照突變時(shí)，我們利用像素點(diǎn)的色度信息代替RGB值完成目標(biāo)檢測工作，有效避免亮度突變對檢測結(jié)果的干擾；為了能夠及時(shí)反映背景的動(dòng)態(tài)變化，檢測系統(tǒng)需要記錄各高斯分布在最近n幀內(nèi)與像素點(diǎn)測量值的匹配次數(shù)，借助匹配數(shù)的指數(shù)函數(shù)實(shí)現(xiàn)權(quán)重值的更新和快速收斂。實(shí)驗(yàn)證明本項(xiàng)目提出的改進(jìn)算法比傳統(tǒng)算法具有更好的收斂性和魯棒性。
獲獎(jiǎng)情況及鑒定結(jié)果
- 發(fā)表國際會(huì)議論文一篇，并將被EI檢索； 由權(quán)威檢索中心出示查新報(bào)告； 在西安電子科技大學(xué)第22屆“星火杯”競賽中榮獲特等獎(jiǎng)； 在西安電子科技大學(xué)本科生訓(xùn)練計(jì)劃中成功立項(xiàng)； 在計(jì)算機(jī)學(xué)院SCST杯創(chuàng)新科技大賽中榮獲一等獎(jiǎng)；
作品所處階段
- 中試階段
技術(shù)轉(zhuǎn)讓方式
- 暫無技術(shù)轉(zhuǎn)讓
作品可展示的形式
- 實(shí)物、產(chǎn)品 ? 磁盤 ? 現(xiàn)場演示 錄像
使用說明,技術(shù)特點(diǎn)和優(yōu)勢,適應(yīng)范圍,推廣前景的技術(shù)性說明,市場分析,經(jīng)濟(jì)效益預(yù)測
- 使用說明： 為方便用戶使用，本系統(tǒng)提供了三種形式的交互方案。一、自帶測試視頻；二，視頻導(dǎo)入系統(tǒng)；三、現(xiàn)場錄像功能。 技術(shù)特點(diǎn)與優(yōu)勢： 本系統(tǒng)深入研究混合高斯模型和目標(biāo)檢測基本框架，并提出一種基于色度空間的最鄰近n幀改進(jìn)算法，有效加快收斂速度，避免光照突變對檢測結(jié)果的干擾。 適用范圍： 本項(xiàng)目的研究成果可應(yīng)用于智能交通檢測，軍事視覺制導(dǎo)、機(jī)器人視覺導(dǎo)航、安全監(jiān)測、醫(yī)療診斷、虛擬現(xiàn)實(shí)以及戰(zhàn)場警戒等領(lǐng)域中。 推廣前景： 本項(xiàng)目提供了一個(gè)可擴(kuò)展的實(shí)驗(yàn)平臺，也即一個(gè)基本視頻運(yùn)動(dòng)目標(biāo)檢測接口，可被用于其他技術(shù)的開發(fā)和其他領(lǐng)域的使用，具有較好的推廣價(jià)值和應(yīng)用前景。 市場效益分析： 本項(xiàng)目的市場效益主要體現(xiàn)在其應(yīng)用領(lǐng)域的廣泛性和檢測效果的可實(shí)用性。本項(xiàng)目旨在搭建一個(gè)較完善的系統(tǒng)平臺，在此基礎(chǔ)上，可隨時(shí)隨地地加入相應(yīng)領(lǐng)域的應(yīng)用要求和指標(biāo)參數(shù)，對其進(jìn)行功能上的擴(kuò)充和具體化，使之投入生產(chǎn)和使用。
同類課題研究水平概述
- 運(yùn)動(dòng)目標(biāo)檢測是智能監(jiān)控領(lǐng)域的重要研究課題，也是視覺運(yùn)動(dòng)分析的關(guān)鍵步驟。在現(xiàn)實(shí)生活中，大量重要的視覺信息包含在運(yùn)動(dòng)之中。因此從序列圖像中將運(yùn)動(dòng)變化區(qū)域從背景圖像中分割提取出來是運(yùn)動(dòng)目標(biāo)分類、跟蹤和行為理解等后期處理過程的基礎(chǔ)性工作。 復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)檢測方法主要分為三大類：光流法；幀間差分法；背景圖像差分法。其中，光流法的計(jì)算量大，抗噪性差，硬件要求高，一般不能被應(yīng)用于實(shí)時(shí)處理中；幀間差分法實(shí)時(shí)性較強(qiáng)，但通常不能提取出所有相關(guān)的特征像素點(diǎn)，運(yùn)動(dòng)目標(biāo)內(nèi)部容易出現(xiàn)空洞；而背景差分法是目標(biāo)檢測最常用的一種方法。 背景差分法的關(guān)鍵是對背景進(jìn)行合理建模，減少動(dòng)態(tài)場景變化對于運(yùn)動(dòng)分割的影響。目前，背景差分法已經(jīng)成為計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。Haritaoglu等人利用最小、最大強(qiáng)度值為場景中各像素進(jìn)行統(tǒng)計(jì)建模，并進(jìn)行周期性的背景更新；Ridder等使用卡爾曼濾波建立背景模型，以適應(yīng)天氣的時(shí)間變化；Pfinder系統(tǒng)用單高斯分布進(jìn)行背景建模；混合高斯模型是Stauffer等人提出的一種自適應(yīng)背景建模方法，其核心思想是為每一個(gè)像素點(diǎn)建立多個(gè)隨時(shí)間變換的高斯統(tǒng)計(jì)模型。 自誕生以來，人們已經(jīng)提出了很多混合高斯模型的變形和改進(jìn)算法。其中包括P.KaewTraKulPong借助EM算法完成模型的初始化，從而提高學(xué)習(xí)過程的準(zhǔn)確性和收斂速度；Zoran Zivkovic提出的算法克服了高斯模型數(shù)目固定的缺陷，有效減少了各幀的處理時(shí)間； Michal Sofka主張用前景、背景分割閾值代替全局閾值，以降低全局閾值的敏感性。 基于上述研究現(xiàn)狀，一方面，運(yùn)動(dòng)目標(biāo)檢測的應(yīng)用十分廣泛，設(shè)計(jì)并實(shí)現(xiàn)一種開銷小，速度塊，穩(wěn)定性好的檢測算法，其實(shí)用價(jià)值和市場效益將會(huì)是巨大的；另一方面，混合高斯模型作為一種最常用的運(yùn)動(dòng)目標(biāo)檢測算法，盡管有很多的變形和改進(jìn)算法，但仍然存在一些固有缺點(diǎn)：背景模型收斂速度慢；對光照突變敏感。
