基于高斯混合背景模型運動檢測與DSP實現(xiàn).pdf

1、隨著計算機科學與技術和數(shù)學等學科的發(fā)展，機器視覺在人們?nèi)粘Ｉ?、工業(yè)生產(chǎn)以及國防等領域得到廣泛應用。智能監(jiān)控作為機器視覺技術的應用之一，其首要解決的問題是運動對象的快速、準確、穩(wěn)定檢測。幾十年來人們對于運動對象檢測方法的研究取得了很多成果，為智能監(jiān)控系統(tǒng)的實現(xiàn)提供了強大的理論支持。同時，DSP等高速處理器為復雜算法的嵌入式系統(tǒng)實現(xiàn)提供了硬件支持。
　　 本文介紹了較常用運動對象檢測方法，重點研究了高斯背景模型運動檢測算法。主要內(nèi)

2、容如下：
　　 介紹了基于單高斯背景模型的運動對象檢測方法。背景模型建立階段采用統(tǒng)計方法確定各像素點的高斯分布情況；背景點與前景點的分離采用最大相似度閾值判別法；背景模型的參數(shù)采用K-means方法進行更新。
　　 研究了高斯混合背景模型運動檢測方法。圖象各像素點由K個相互獨立的高斯分布表示。對當前幀圖像任一像素點與各高斯分布逐一進行匹配運算，若找到匹配的則認為是背景點，否則判定為前景點；對背景模型參數(shù)進行自適應更新；所

3、有被判為前景點的集合構成運動對象。
　　 對高斯混合背景模型提出了改進意見。將第一幀圖像作為一個高斯模型，均值為當前像素值，方差為初始賦值，權重賦為1，而剩下的K-1個高斯模型均初始化為空圖像，均值為0,方差同為初始化賦值，權重賦為0，建立高斯混合模型；模型參數(shù)的更新采用動態(tài)學習常數(shù)賦值方法。實驗證明算法的實時性和準確性有了較顯著提高。
　　 基于TI的TMS320DM642處理器平臺完成實驗。通過不同環(huán)境下多次實驗，證