【技术实现步骤摘要】
本专利技术涉及一种图像运动目标检测的方法，具体是利用前景、背景模型交互实现复杂动态场景中运动目标检测的方法，属于图像处理
技术介绍
在复杂、动态场景中的运动目标检测所常遇到的问题主要包括：①光照变化，②杂乱场景及运动场景所形成的杂乱、动态噪声，③目标同背景相似。对于这些问题的解决，目前的方法主要依赖于两种策略。一是通过对长时间背景状态进行拟合建模，并通过比较运算，能够检测到场景中的变化信息，以检测出运动目标，该类策略对运动信息较为敏感。二是通过对运动目标的表征状态进行拟合建模，通过模型匹配的策略检测出场景中的运动目标，该类策略有助于对场景杂乱、动态背景噪声的抑制。孤立的考虑前景及背景模型，难以同时解决场景杂乱、变化、运动噪声以及目标-背景相似所导致检测率较低的问题。其次，目标在运动过程中表征状态的变化导致难以采用常用的图像特征建立稳定、鲁棒的前景模型。此外，模型对场景稳定状态的拟合程度及对场景状态变化的适应性，是较为矛盾的问题，影响到对模型中拟合数据时长的选择。最后，在背景模型及前景模型的建模和计算过程中均包含有大量的参数估计过程，参数估计结果的优劣直接影响到模型的性能，先验知识的准确引入有利于参数估计准确性的提高。目前尚未有一种技术能够综合解决上述问题。
技术实现思路
专利技术目的：针对现有方法在复杂、动态场景中应用时，所存在的光照变化适应、杂乱背景噪声抑制、动态背景噪声抑制、目标表征建模等问题，并综合考虑到基于先验经验的模型参数估计策略、模型融合策略及前景目标显著性检测策略，本专利技术提供了一种基于加权样本采样及显著性检测的前景模型建模及基于加...
【技术保护点】
一种基于前景背景模型交互的运动目标检测方法，其特征在于：首先，通过引入上一时刻背景模型的决策作为先验估计当前时刻前景模型参数(主要包括对样本地加权、选择及更新)；通过引入上一时刻前景模型的决策作为先验估计得到当前时刻背景模型参数(主要包括对样本地加权、选择及更新)，形成了一种前景、背景模型相互指导以实现模型中样本加权、选择及更新方法；其次，在贝叶斯框架下，建立了一种前景、背景模型决策融合方法；上述前景及背景模型的相互指导建模及模型决策融合技术共同构成前景、背景模型交互方法；该方法通过同时对场景中背景、前景状态的建模能够准确地拟合场景中的稳定信息(长时背景模型的贡献)，并适应场景中的变化(短时前景模型的贡献)，抑制复杂、动态场景中的杂乱噪声及动态背景噪声，准确检测出运动目标；此外，这种前景、背景交互方法还有助于防止模型陷入死循环和衰弱，并提高模型的鲁棒性和稳定性。
【技术特征摘要】
1.一种基于前景背景模型交互的运动目标检测方法，其特征在于：首先，通过引入上一时刻背景模型的决策作为先验估计当前时刻前景模型参数(主要包括对样本地加权、选择及更新)；通过引入上一时刻前景模型的决策作为先验估计得到当前时刻背景模型参数(主要包括对样本地加权、选择及更新)，形成了一种前景、背景模型相互指导以实现模型中样本加权、选择及更新方法；其次，在贝叶斯框架下，建立了一种前景、背景模型决策融合方法；上述前景及背景模型的相互指导建模及模型决策融合技术共同构成前景、背景模型交互方法；该方法通过同时对场景中背景、前景...
【专利技术属性】
技术研发人员：陈哲，张振，王鑫，王慧斌，卢苗，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。