發(fā)布時(shí)間：2018-08-20 09:56

【摘要】：在基于子空間學(xué)習(xí)的背景建模方法中,利用背景信息對(duì)前景誤差進(jìn)行補(bǔ)償有助于建立準(zhǔn)確的背景模型.然而,當(dāng)動(dòng)態(tài)背景(搖曳的樹(shù)枝、波動(dòng)的水面等)和復(fù)雜前景等干擾因素存在時(shí),補(bǔ)償過(guò)程的準(zhǔn)確性和穩(wěn)定性會(huì)受到一定的影響.針對(duì)這些問(wèn)題,本文提出了一種基于誤差補(bǔ)償?shù)脑隽孔涌臻g背景建模方法.該方法可以實(shí)現(xiàn)復(fù)雜場(chǎng)景下的背景建模.首先,本文在誤差補(bǔ)償?shù)倪^(guò)程中考慮了前景的空間連續(xù)性約束,在補(bǔ)償前景信息的同時(shí)減少了動(dòng)態(tài)背景的干擾,提高了背景建模的準(zhǔn)確性.其次,本文將誤差估計(jì)過(guò)程歸結(jié)為一個(gè)凸優(yōu)化問(wèn)題,并根據(jù)不同的應(yīng)用場(chǎng)合設(shè)計(jì)了相應(yīng)的精確求解算法和快速求解方法.再次,本文設(shè)計(jì)了一種基于Alpha通道的誤差補(bǔ)償策略,提高了算法對(duì)復(fù)雜前景的抗干擾能力.最后,本文構(gòu)建了不依賴于子空間模型的背景模板,減少了由前景信息反饋引起的背景更新失效,提高了算法的魯棒性.多項(xiàng)對(duì)比實(shí)驗(yàn)表明,本文算法在干擾因素存在的情況下仍然可以實(shí)現(xiàn)對(duì)背景的準(zhǔn)確建模,表現(xiàn)出較強(qiáng)的抗擾性和魯棒性.
[Abstract]:In the background modeling method based on subspace learning, using background information to compensate the foreground error is helpful to establish an accurate background model. However, when the dynamic background (swaying branches, fluctuating water surface, etc.) and complex foreground factors exist, the accuracy and stability of the compensation process will be affected to some extent. To solve these problems, an incremental subspace background modeling method based on error compensation is proposed. This method can realize the background modeling in complex scene. Firstly, the spatial continuity constraints of the foreground are considered in the process of error compensation, and the disturbance of the dynamic background is reduced while the foreground information is compensated, and the accuracy of the background modeling is improved. Secondly, the process of error estimation is reduced to a convex optimization problem, and the corresponding exact algorithm and fast solving method are designed according to different applications. Thirdly, an error compensation strategy based on Alpha channel is designed to improve the anti-jamming ability of the algorithm to complex foreground. Finally, the background template independent of the subspace model is constructed, which reduces the failure of background update caused by foreground information feedback and improves the robustness of the algorithm. A number of comparative experiments show that the proposed algorithm can achieve accurate modeling of the background in the presence of interference factors and has strong robustness and robustness.
【作者單位】： 北京理工大學(xué)計(jì)算機(jī)學(xué)院;智能信息技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金(61273273,61175096,61271374) 高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金(2012110110034) 北京市教委共建項(xiàng)目資助~~
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金俁欣;陶霖密;徐光yP;彭玉新;;攝像機(jī)自由運(yùn)動(dòng)環(huán)境下的背景建模[J];中國(guó)圖象圖形學(xué)報(bào);2008年02期

2 王智靈;周露平;陳宗海;;針對(duì)不同信息特征的魯棒背景建模技術(shù)分析[J];模式識(shí)別與人工智能;2009年02期

3 姜忠民;趙建民;朱信忠;;基于最大間隔聚類的背景建模方法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2009年10期

4 余孟澤;劉正熙;駱健;楊丹;;基于塊背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

5 葛海淼;戴學(xué)豐;王成琳;;一種新型移動(dòng)物體檢測(cè)及背景建模系統(tǒng)[J];電子技術(shù)應(yīng)用;2013年01期

6 桑農(nóng);張濤;李斌;吳翔;;基于字典學(xué)習(xí)的背景建模[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年09期

7 左軍毅;潘泉;梁彥;張洪才;程詠梅;;基于模型切換的自適應(yīng)背景建模方法[J];自動(dòng)化學(xué)報(bào);2007年05期

8 張水發(fā);丁歡;張文生;;雙模型背景建模與目標(biāo)檢測(cè)研究[J];計(jì)算機(jī)研究與發(fā)展;2011年11期

9 楊敏;安振英;;基于低秩矩陣恢復(fù)的視頻背景建模[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

10 李子龍;劉偉銘;張陽(yáng);;基于自適應(yīng)模糊估計(jì)的背景建模方法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年09期

相關(guān)會(huì)議論文 前5條

1 王智靈;陳宗海;周露平;;基于多信息層次的魯棒背景建模方法[A];2007系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

2 李霞;董雁冰;王亞輝;王俊;;空間光學(xué)輻射背景建模研究[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

3 何強(qiáng);林宏基;;基于蟻群算法的自適應(yīng)背景建模[A];第十一屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2006年

4 李恒暉;楊金鋒;任小慧;吳仁彪;;一種多約束條件的混合高斯背景建模方法[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

5 韓穎婕;張海;李琳怡;;基于混合高斯背景建模的陰影抑制算法[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

相關(guān)博士學(xué)位論文 前3條

1 鄒騰躍;復(fù)雜環(huán)境目標(biāo)檢測(cè)與跟蹤關(guān)鍵技術(shù)研究及應(yīng)用[D];華中科技大學(xué);2013年

2 何志偉;基于模型的目標(biāo)提取及其在智能交通中的應(yīng)用[D];浙江大學(xué);2006年

3 江疆;基于稀疏表達(dá)的若干分類問(wèn)題研究[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 胡婷;基于視頻技術(shù)的車輛檢測(cè)跟蹤及分類算法研究與實(shí)現(xiàn)[D];長(zhǎng)安大學(xué);2015年

2 楊文幫;基于視頻分析的人群流量檢測(cè)[D];貴州民族大學(xué);2015年

3 劉燁;運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤關(guān)鍵技術(shù)研究[D];南京大學(xué);2014年

4 張維;基于運(yùn)動(dòng)補(bǔ)償及全局背景優(yōu)化的目標(biāo)檢測(cè)[D];安徽大學(xué);2016年

5 譚文明;復(fù)雜背景建模方法及其在運(yùn)動(dòng)目標(biāo)檢測(cè)中的應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

6 羅小蘭;視頻跟蹤中的背景建模[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

7 劉曉男;面向視頻監(jiān)控的復(fù)雜背景建模及優(yōu)化方法[D];南京大學(xué);2011年

8 都穎;基于背景建模的空中目標(biāo)搜索跟蹤算法研究[D];長(zhǎng)春理工大學(xué);2013年

9 宋歡歡;復(fù)雜場(chǎng)景下背景建模方法的研究與實(shí)現(xiàn)[D];南昌大學(xué);2015年

10 劉亞利;背景建模技術(shù)的研究與實(shí)現(xiàn)[D];北方工業(yè)大學(xué);2010年

，

本文編號(hào)：2193208