針對高速公路拋灑物檢測中傳統(tǒng)的固定背景建模方法容易因開放環(huán)境變化產(chǎn)生大量的前景噪聲,動態(tài)背景建模方法容易因拋灑物的靜止特性導(dǎo)致前景對象快速融入背景,提出基于背景分離高斯混合模型（BS-GMM）的動態(tài)背景建模方法.該方法對傳統(tǒng)高斯混合模型的背景劃分和模型匹配方法進(jìn)行改進(jìn),設(shè)計基于像素點的高斯分布背景模型權(quán)值的衰減狀況進(jìn)行背景建模和背景更新的方法,既能減少開放環(huán)境大量環(huán)境噪聲的影響,也能對拋灑物快速進(jìn)入靜止?fàn)顟B(tài)后的準(zhǔn)確檢測,在計算性能上能夠達(dá)到實時檢測的效果.實驗結(jié)果證明,BS-GMM方法在拋灑物檢測過程中產(chǎn)生的噪聲數(shù)量比其他方法少,且對靜止超過20 s的物體能夠作為前景目標(biāo)提取,因此能夠有效地應(yīng)用于高速公路拋灑物的準(zhǔn)確識別. 

【文章來源】：浙江大學(xué)學(xué)報(工學(xué)版). 2020,54(07)北大核心EICSCD

【文章頁數(shù)】：7 頁

【參考文獻(xiàn)】：
期刊論文
[1]城市道路視頻中小像素目標(biāo)檢測[J]. 金瑤,張銳,尹東.  光電工程. 2019(09)
[2]高速公路拋灑物事件圖像檢測算法[J]. 汪貴平,馬力旺,郭璐,王會峰,張弢.  長安大學(xué)學(xué)報(自然科學(xué)版). 2017(05)
[3]實時的靜止目標(biāo)與鬼影檢測及判別方法[J]. 葉芳芳,許力.  浙江大學(xué)學(xué)報(工學(xué)版). 2015(01)
[4]一種基于碼本背景模型的運動目標(biāo)檢測方法[J]. 趙占杰,林小竹,張金燕.  北京石油化工學(xué)院學(xué)報. 2010(01)
[5]混合高斯模型和幀間差分相融合的自適應(yīng)背景模型[J]. 劉鑫,劉輝,強振平,耿續(xù)濤.  中國圖象圖形學(xué)報. 2008(04)
[6]基于改進(jìn)的混合高斯模型的運動目標(biāo)檢測[J]. 陳祖爵,陳瀟君,何鴻.  中國圖象圖形學(xué)報. 2007(09)



本文編號：3146901