基本信息
- 項目名稱：
- 基于改進混合高斯模型的目標檢測系統(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)計并實現(xiàn)了一種基于色度空間的最鄰近n幀改進算法，以提高傳統(tǒng)混合高斯模型的目標檢測效果。當光照發(fā)生突然變化時，利用像素點的色度信息代替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幀與像素點測量值的匹配次數(shù)的指數(shù)函數(shù)實現(xiàn)權(quán)重值的更新。
- 詳細介紹：
- 1、基本框架： 基于混合高斯模型的目標檢測方法主要分為初始化、參數(shù)更新、背景建立、目標提取四個階段。 2、創(chuàng)新特色： 一、基于色度空間的改進算法： 在光照突變時，采用色度信息進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，采用VC實現(xiàn)系統(tǒng)交互設(shè)計，并利用MATCOM實現(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)、機器人視覺導(dǎo)航、安全監(jiān)測、虛擬現(xiàn)實以及戰(zhàn)場警戒等領(lǐng)域中。
作品圖片
作品專業(yè)信息
設(shè)計、發(fā)明的目的和基本思路、創(chuàng)新點、技術(shù)關(guān)鍵和主要技術(shù)指標
- 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，加強算法的穩(wěn)定性，抑制光照突變的干擾； 3、基于改進算法的運動目標檢測系統(tǒng)的設(shè)計與開發(fā)，將大大增加改進方案的說服力，提高本項目的實用價值。 基本思路： 1、最鄰近n幀改進算法： 首先根據(jù)檢測場景的實際狀況設(shè)置參考視頻幀的數(shù)目n，若背景在短期內(nèi)易發(fā)生動態(tài)變化，那么n的取值應(yīng)該較?。蝗缓笥涗浉飨袼攸c的每個高斯分布在最近n幀內(nèi)與該點測量值的匹配次數(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)值計算的權(quán)重，實現(xiàn)背景模型的權(quán)重更新。2、基于色度空間的改進算法： 首先當前景范圍占到整個畫面的80%以上，表示出現(xiàn)了光照的突然變化，需要重新進行目標檢測；其次，對各像素點和背景模型進行顏色空間的轉(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顏色空間中進行目標提取操作。 創(chuàng)新點： 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，利用像素點的HSB值重新進行模型匹配，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幀改進算法； 3、基于色度空間的改進算法。
科學性、先進性
- 作品的科學性先進性: 由于傳統(tǒng)混合高斯模型仍然存在以下缺點：參數(shù)更新的收斂速度較慢，不能夠及時反映背景的變化，影響背景建模的準確性；對全局亮度的變化比較敏感，有時會將整個視頻幀作為前景。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，以改進傳統(tǒng)的混合高斯背景建模方法。 當光照突變時，我們利用像素點的色度信息代替RGB值完成目標檢測工作，有效避免亮度突變對檢測結(jié)果的干擾；為了能夠及時反映背景的動態(tài)變化，檢測系統(tǒng)需要記錄各高斯分布在最近n幀內(nèi)與像素點測量值的匹配次數(shù)，借助匹配數(shù)的指數(shù)函數(shù)實現(xiàn)權(quán)重值的更新和快速收斂。實驗證明本項目提出的改進算法比傳統(tǒng)算法具有更好的收斂性和魯棒性。
獲獎情況及鑒定結(jié)果
- 發(fā)表國際會議論文一篇，并將被EI檢索； 由權(quán)威檢索中心出示查新報告； 在西安電子科技大學第22屆“星火杯”競賽中榮獲特等獎； 在西安電子科技大學本科生訓(xùn)練計劃中成功立項； 在計算機學院SCST杯創(chuàng)新科技大賽中榮獲一等獎；
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
- 實物、產(chǎn)品 ? 磁盤 ? 現(xiàn)場演示 錄像
使用說明,技術(shù)特點和優(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)特點與優(yōu)勢： 本系統(tǒng)深入研究混合高斯模型和目標檢測基本框架，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)、機器人視覺導(dǎo)航、安全監(jiān)測、醫(yī)療診斷、虛擬現(xiàn)實以及戰(zhàn)場警戒等領(lǐng)域中。 推廣前景： 本項目提供了一個可擴展的實驗平臺，也即一個基本視頻運動目標檢測接口，可被用于其他技術(shù)的開發(fā)和其他領(lǐng)域的使用，具有較好的推廣價值和應(yīng)用前景。 市場效益分析： 本項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用性。本項目旨在搭建一個較完善的系統(tǒng)平臺，在此基礎(chǔ)上，可隨時隨地地加入相應(yīng)領(lǐng)域的應(yīng)用要求和指標參數(shù)，對其進行功能上的擴充和具體化，使之投入生產(chǎn)和使用。
同類課題研究水平概述
- 運動目標檢測是智能監(jiān)控領(lǐng)域的重要研究課題，也是視覺運動分析的關(guān)鍵步驟。在現(xiàn)實生活中，大量重要的視覺信息包含在運動之中。因此從序列圖像中將運動變化區(qū)域從背景圖像中分割提取出來是運動目標分類、跟蹤和行為理解等后期處理過程的基礎(chǔ)性工作。 復(fù)雜背景下的運動目標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，光流法的計算量大，抗噪性差，硬件要求高，一般不能被應(yīng)用于實時處理中；幀間差分法實時性較強，但通常不能提取出所有相關(guān)的特征像素點，運動目標內(nèi)部容易出現(xiàn)空洞；而背景差分法是目標檢測最常用的一種方法。 背景差分法的關(guān)鍵是對背景進行合理建模，減少動態(tài)場景變化對于運動分割的影響。目前，背景差分法已經(jīng)成為計算機視覺領(lǐng)域的研究熱點。Haritaoglu等人利用最小、最大強度值為場景中各像素進行統(tǒng)計建模，并進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)天氣的時間變化；Pfinder系統(tǒng)用單高斯分布進行背景建模；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像素點建立多個隨時間變換的高斯統(tǒng)計模型。 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，從而提高學習過程的準確性和收斂速度；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，運動目標檢測的應(yīng)用十分廣泛，設(shè)計并實現(xiàn)一種開銷小，速度塊，穩(wěn)定性好的檢測算法，其實用價值和市場效益將會是巨大的；另一方面，混合高斯模型作為一種最常用的運動目標檢測算法，盡管有很多的變形和改進算法，但仍然存在一些固有缺點：背景模型收斂速度慢；對光照突變敏感。
