Adaptive learning algorithm based on mixture Gaussian background

The key problem of the adaptive mixture background model is that the parameters can adaptively change according to the input data. To address the problem, a new method is proposed. Firstly, the recursive equations are inferred based on the maximum likelihood rule. Secondly, the forgetting factor and learning rate factor are redefined, and their still more general formulations are obtained by analyzing their practical functions. Lastly, the convergence of the proposed algorithm is proved to enable the estimation converge to a local maximum of the data likelihood function according to the stochastic approximation theory. The experiments show that the proposed learning algorithm excels the formers both in converging rate and accuracy.

On Segmentation of Moving Objects by Integrating PCA Method with the Adaptive Background Model

Tracking and segmentation of moving objects are suffering from many problems including those caused by elimination changes, noise and shadows. A modified algorithm for the adaptive background model is proposed by linking Gaussian mixture model with the method of principal component analysis PCA. This approach utilizes the advantage of the PCA method in providing the projections that capture the most relevant pixels for segmentation within the background models. We report the update on both the parameters of the modified method and that of the Gaussian mixture model. The obtained results show the relatively outperform of the integrated method.

基于全局感知和高斯分布的钢材缺陷检测

针对钢材表面缺陷检测易受背景干扰且尺度信息差距大等问题,提出一种改进的钢材表面缺陷检测算法MN-Yolo。引入全局感知GC模块,能够有效利用上下文信息,增强特征提取能力;设计一种多尺度融合模块MSF,以便更深层次整合多种尺度的特征信息,提高网络检测性能;引入WDloss,通过使用NWD度量BBox的相似性,改善对小目标缺陷的误检和漏检问题。在NEU-DET上验证可知,改进算法与原Yolov7-tiny算法比较,mAP、Precision、F1分别提升4.7%、5%、5.5%,FPS可达141,结果验证了改进算法的有效性。

基于TDLAS技术的甲烷气体泄漏成像检测

传统的甲烷气体泄漏检测方法主要以单点测量和红外热成像为主。前者由于测量点密度小且气体易于流动,很难确定泄漏点;后者根据气体云团与周围环境温度差异检测成像,温差较小时,成像对比度低、分辨力弱。根据以上局限性,提出一种甲烷气体泄漏成像检测技术。该技术结合TDLAS(Tunable diode laser absorption spectroscopy)遥测技术与激光主动成像方法对气体泄漏区域进行主动探测,然后采用SSIM(Structural Similarity)与混合高斯背景建模法相结合的算法对气体泄漏区域进行提取,实现对甲烷气体泄漏气团的成像检测。实验中对甲烷气体在不同泄漏流量、不同视频记录长度、不同环境下进行了检测。实验表明,该技术可实现对甲烷气体泄漏的主动成像检测,并且成像清晰、检测率高、实时性好、可准确呈现气体泄漏点。

复杂背景下基于SIFT算法的局部遮挡人脸识别

由于复杂的背景环境中存在大量噪声点、平滑点以及失真点,影响人脸识别效果,提出基于SIFT算法的局部遮挡人脸识别方法。考虑到噪声因素的影响建立尺度不变高斯函数,通过该函数描述原始图像的噪声干扰,查找平滑程度最高的像素点,以像素均值作为参考,对像素点及周围区域实行平滑约束。建立包含眼睛、鼻子、嘴巴以及耳朵的面部特征子集,与标准图像比对,采用最大期望算法提取重叠度最高的面部特征,作为人脸识别的参照标准。采用两个向量的内积衡量人脸图像与参考值之间的相似度,计算存在和不存在局部遮挡的特征权重,建立置信区间,代入面部特征权重实施置信对比,完成人脸识别。实验结果表明,所提方法的识别精准度较高,在灰度变化、噪声以及局部遮挡的情况下均能够保证识别精度。

一种针对抖动无人机视频的运动目标检测算法

针对悬浮无人机在运动目标检测中易受抖动影响,导致大量背景噪声的问题,提出一种多尺度的EA-KDE背景差分算法(MEA-KDE)。该算法首先对图像序列进行多尺度分解,以获取多尺度的图像序列。然后,在进行检测之前,通过考虑面积阈值和当前图像帧,计算并更新检测的分割阈值,引入当前图像帧信息。其次,对不同尺度的图像帧采用高低双分割阈值进行背景差分运算,以提高检测的鲁棒性。最后,通过对各尺度的检测结果采用一种自顶向下的融合策略进行融合,以在保留目标的清晰轮廓同时消除噪声。此外,提出的一种边界扩展融合后处理算法有助于减轻检测断裂引起的目标破碎现象。实验结果表明,所提算法能够有效抑制抖动导致的背景噪声。在2个真实拍摄的无人机数据集上,分别获得了0.951和0.952的平均F1分数,相较于原算法分别提高了0.144和0.276。

高斯混合模型在水系沉积物地球化学异常圈定中的应用:以湖南省溆浦地区为例

化探数据的正确处理和解译对于区域矿产勘查工作具有重要意义。然而,由于不同类型的岩石具有不同的元素丰度,在处理复杂岩性区化探数据时如果采用统一的异常下限,会导致高背景区被误判为异常区,而部分低弱地球化学异常被忽略。所以复杂岩性区的化探数据需按岩性分类后再划分地球化学背景与异常,从而更准确地圈定化探异常。提出了基于因子得分高斯混合模型的化探异常圈定方法,首先将化探数据做对数比转换后进行因子分析,然后利用因子得分完成高斯混合模型岩性分类,再进行分类标准化处理以消除岩性背景的影响,最后使用处理后的数据圈定化探异常。利用该方法对湖南溆浦地区1∶20万水系沉积物化探数据进行研究,结果表明,成矿元素在研究区不同岩性中的含量存在一定差异,若采用统一的异常下限是不合理的;而本研究提出的方法能准确地进行岩性分类、消除不同岩性的背景和强化低弱异常,且异常位置与已知矿点相吻合。因此,高斯混合模型方法可以准确地圈定复杂岩性区的化探异常,并为研究区下一步的矿产勘查工作提供一些参考依据。

一种融合背景差分和帧间差分的运动目标检测方法

针对背景差分法和帧间差分法在运动目标检测中的缺点,提出了一种结合背景差分法和帧间差分法的新算法。首先将混合高斯模型建立的背景与当前帧进行差分处理,再使用帧间差分法获得差分图像,最后将两种差分结果融合检测运动目标,对目标轮廓和边界区域进行标记。实验显示,新算法对检测效果提升明显。

高距离分辨率雷达目标检测研究现状与进展

高距离分辨率雷达目标回波表现为距离扩展目标的形式,距离扩展目标检测技术是目前雷达信号处理领域的一个热门和难点问题。本文对这一技术的发展过程、研究现状及最新研究进展进行了较为全面的综述,主要从高斯背景、部分均匀环境及非高斯背景出发,对这一技术进行了介绍。最后对距离扩展目标检测方法做了总结,并对有待进一步研究和完善的问题进行了展望。

基于背景建模与帧间差分的目标检测改进算法

在分析现有运动目标检测算法的基础上,提出一种基于背景建模与帧间差分的运动目标检测改进算法。改进算法能改善混合高斯背景相减法中高斯背景建模产生的鬼影,以及帧间差分法的前景检测结果中出现的严重拖影和空洞现象,并且在背景突变下也能进行有效检测。测试结果表明,改进算法对运动目标检测有较好的检测效果,适用于户外大型场所的监控设备领域。

多特征融合匹配的多目标跟踪

针对复杂背景的视频图像多目标跟踪遮挡问题,提出了一种多特征融合匹配的多目标跟踪方法。基于自适应高斯混合背景模型重构和更新背景策略,实现当前帧背景减除和多目标检测;采用目标的颜色特征、质心位置、运动速度等特征进行融合匹配跟踪;最后,通过区域辅助判定策略将场景下的目标状态分为目标进入场景、目标退出场景、目标暂消、目标重现、目标融合和分裂5种状态,用质心预测方法和遮挡因子辅助匹配来提高匹配正确率。仿真实验结果表明:采用该方法跟踪同一目标和不同目标的相似度平均值分别为0.949 71和0.505 73,优于单一颜色特征信息匹配;目标遮挡结束后重新匹配相似度为0.972 83,实现了复杂背景下具有表面相似性的多目标实时跟踪。

基于改进的混合高斯模型的运动目标检测方法

针对传统高斯模型学习速度慢问题,提出了一种基于新的背景模型更新模式的目标检测方法.首先,对彩色图像建立混合高斯模型,并且采用新方法更新背景模型,即不同的阶段使用不同的更新方程,然后由背景差分得到基本准确的前景图像,其次利用基于颜色差、亮度差和梯度差的阴影检测算法削除前景图像的运动阴影,最后利用形态学滤波、连通组件分析和种子区域增长进行后处理.实验结果表明,该方法不管在室内还是在室外都能很好地消除阴影,准确地提取运动目标.

基于计算机视觉的弹着点坐标远程测量系统

系统采用双目立体视觉原理,通过捕捉、处理弹落击起的烟尘图像精确地获取弹着点信息。给出了一种适于野外环境构建的视觉测量模型,并提出了一种仅对焦距及光轴水平偏角进行现场标定的相机参数快速获取方法。采用序列图像实时帧间差分阈值法作为主要的图像处理手段,通过构造高斯背景统计模型获得精确的分割阈值。为排除野外环境的各种干扰,提出了依据时空相关性检测的帧间多级差分方法,为解决烟尘快速飘移对后续弹点探测的影响,给出了一种伪目标边缘跟踪算法。远程视觉传感器距靶心1.2 km对!400 m靶区实测时,图像处理时间小于8 ms,系统响应时间小于75 ms,报靶精度优于2 m,完全满足实时准确报靶的要求。

基于计算机视觉的自动扶梯节能系统

自动扶梯是始终或阶段性保持运行状态的电梯,针对其在无人乘坐情况下持续运行所造成的能源浪费,提出了一种基于计算机视觉的自动扶梯节能控制系统,该系统由拍摄自动扶梯全景的摄像单元、微处理器和可编程逻辑控制器(PLC)构成;首先通过摄像单元获取整个自动扶梯的全景视频图像,接着利用混合高斯模型对全景视频图像进行背景建模处理,得到在自动扶梯上的前景对象;进而,根据自动扶梯上有无前景对象,生成相应控制信号,通过电梯PLC模块控制自动扶梯的运行和停止;实验结果表明,本文所开发的自动扶梯节能系统,对于自动扶梯上的对象物体,检测率在99%以上,可以较为可靠地控制自动扶梯运转与停止,达到预期的节能效果。

基于单高斯背景模型运动目标检测方法的改进

针对背景减除法应用于运动目标检测中的背景模型更新和阴影消除问题,提出了一种改进的单高斯背景模型估计算法和快速的阴影消除方法。实验结果表明,算法在有效去除阴影的同时能够较好地提取运动目标,为后续的人体识别、行为分析等工作奠定了良好的基础。

基于改进的混合高斯背景模型的运动目标检测

混合高斯模型在应对背景中存在扰动的情况具有优势,而其不足之处主要表现在对光线变化比较敏感和当场景中前景与背景之间发生转换时容易产生较长时间的虚影。针对上述问题,提出一种融合相邻帧差法和背景减法的算法。采用了循环周期和动态更新相结合的背景重建机制,通过运用Matlab对视频图像某个像素点的S值和V值的变化情况分析来体现背景更新和重建的过程,并对背景变化前后分别采用传统算法和改进算法进行对比分析。该改进算法解决了背景模型对光线变化敏感以及容易产生虚影等问题,实验结果表明了算法的有效性和鲁棒性。

一种改进的高斯混合背景模型算法及仿真

高斯混合模型广泛应用于基于背景建模的运动目标检测中,高斯混合模型参数估计和更新算法影响到背景模型的性能。文中对传统的高斯混合背景模型进行了改进,针对背景局部运动、活动阴影等问题,采用混合色彩值抑制阴影,在背景更新中引入一个"前景支撑映射"(Foreground Support Map,FSB),较好地解决了背景模型的提取、更新、背景扰动、外界光照变化等问题。实验结果证明,实验结果验证了该方法的有效性和在复杂背景变化下的鲁棒性。

自适应混合高斯背景模型的运动目标检测方法

提出了一种静止摄像机条件下自适应的运动目标检测方法。该方法基于同一像素点被同一灰度车辆覆盖几率小的假设构建初始背景,为每个像素点在线选择高斯分布个数。根据像素点与其邻域像素间存在联系的思想,在线更新学习率。最后用背景差分法检测出运动目标。实验结果表明,同基于传统混合高斯模型的运动目标检测方法相比,该方法有较好的自适应性,能快速适应场景的变化。

混合高斯背景模型目标检测的一种改进算法

针对当前混合高斯背景模型运动目标检测中的更新率小、自适应学习率取值范围过窄、帧间差分引入噪声及背景模型更新没有选择性等缺点,提出了一种混合高斯背景模型运动目标检测的改进算法。在传统混合高斯的基础上,对更新率和方差值进行改进,以适应外界环境的变化;根据像素的连通区域,在线更新学习率和去除噪声;通过引用改进的三帧差分法,实现了对背景模型的选择性更新,减少减弱帧间差分引入噪声以及缓慢运动目标对背景的影响;利用色度信息消除阴影,得到较为精确的运动目标。实验结果表明,改进算法效果良好。

自适应混合高斯背景模型的改进

对自适应混合高斯背景模型进行了改进,将背景重构和前景消融时间控制机制整合到传统自适应混合高斯背景模型中,以提高运动分割的质量。背景重构算法从含有运动物体的动态场景视频序列中重构静态背景图像,然后用重构的静态背景图像初始化自适应混合高斯背景模型;而前景消融时间控制机制则使运动物体停止时的前景消融时间独立于背景模型的学习速率,从而可以根据需要调节前景消融的持续时间。实验结果表明了算法的有效性。