張儒良 李金蘭 饒彥

摘要：煙火視頻序列背景模型的質(zhì)量直接影響到火災(zāi)監(jiān)控的準(zhǔn)確性，煙火初起階段與發(fā)展階段是火災(zāi)監(jiān)控的關(guān)鍵時(shí)間環(huán)節(jié)，目前以視頻序列背景模型利弊分析為主題的文章較少。本文首先針對煙火視頻序列建立混合高斯模型，然后利用幀間差提取動(dòng)目標(biāo)區(qū)域，最后，對影響混合高斯模型質(zhì)量的更新率進(jìn)行實(shí)驗(yàn)分析。實(shí)驗(yàn)結(jié)果表明，在煙火初起期、發(fā)展期固定環(huán)境下，混合高斯背景更新與幀間差相結(jié)合的方法能有效地提取出動(dòng)目標(biāo)區(qū)域。實(shí)驗(yàn)也表明，更新率值過大或者過小時(shí)，直接導(dǎo)致動(dòng)目標(biāo)區(qū)域提取不準(zhǔn)確。若更新率值過小，背景模型更新較慢，造成背景區(qū)域誤判為動(dòng)目標(biāo)，動(dòng)目標(biāo)區(qū)域出現(xiàn)拖影問題。若更新率過大，背景模型更新較快，運(yùn)動(dòng)速度緩慢或暫時(shí)停滯的目標(biāo)會(huì)被誤檢測為背景，動(dòng)目標(biāo)區(qū)域會(huì)出現(xiàn)空洞現(xiàn)象。

關(guān)鍵詞：煙火視頻；混合高斯模型；幀間差；更新率

中圖分類號(hào)：TP3 文獻(xiàn)標(biāo)識(shí)碼： A

0 引言

煙火視頻序列背景更新在火災(zāi)監(jiān)控過程中具有重要的作用，煙火視頻序列背景模型的質(zhì)量直接影響火災(zāi)監(jiān)控的準(zhǔn)確性。目前在各類雜志報(bào)告中已見到視頻序列背景更新方法[1-9]，這些方法都在火災(zāi)監(jiān)控或者其它領(lǐng)域獲得了可觀的應(yīng)用效果，然而，目前以視頻序列背景模型利弊分析為主題文章的研究文獻(xiàn)卻仍顯薄弱。基于這一現(xiàn)實(shí)狀況，本文首先針對煙火視頻序列建立混合高斯模型，然后利用幀間差提取動(dòng)目標(biāo)區(qū)域，最后，對影響混合高斯模型的更新率進(jìn)行實(shí)驗(yàn)分析。實(shí)驗(yàn)結(jié)果表明，在煙火初起期、發(fā)展期固定環(huán)境下，混合高斯背景更新與幀間差相結(jié)合的方法能有效地提取出動(dòng)目標(biāo)區(qū)域。實(shí)驗(yàn)也進(jìn)一步表明，更新率值過大或者過小時(shí)，將會(huì)直接導(dǎo)致動(dòng)目標(biāo)區(qū)域提取不準(zhǔn)確。若更新率值過小，背景模型更新較慢，造成背景區(qū)域誤判為動(dòng)目標(biāo)，動(dòng)目標(biāo)區(qū)域出現(xiàn)拖影問題。若更新率過大，背景模型更新較快，運(yùn)動(dòng)速度緩慢或暫時(shí)停滯的目標(biāo)會(huì)被誤檢測為背景，動(dòng)目標(biāo)區(qū)域會(huì)出現(xiàn)空洞現(xiàn)象。

4 結(jié)束語

本文對煙火視頻序列的混合高斯模型進(jìn)行探討，首先對煙火視頻序列建立混合高斯模型，然后利用幀間差提取動(dòng)目標(biāo)區(qū)域，實(shí)驗(yàn)表明，該方法當(dāng)高斯個(gè)數(shù)N與更新率α在一定的范圍之內(nèi)能有效地提取動(dòng)目標(biāo)區(qū)域。另外，對公式（1）中的高斯個(gè)數(shù)N與公式（4）中更新率α的值給出實(shí)驗(yàn)分析，由結(jié)果可知，高斯個(gè)數(shù)N與更新率α的值的大小直接會(huì)影響動(dòng)目標(biāo)區(qū)域提取的效果。

未來的工作是針對煙火視頻序列進(jìn)一步研究自適應(yīng)混合高斯模型。

參考文獻(xiàn)：

[1]鄭懷兵，翟濟(jì)云. 基于視頻分析的森林火災(zāi)煙霧檢測方法[J].南京理工大學(xué)學(xué)報(bào)，2015，39（6）：686-691，710.

[2]邱聯(lián)奎，劉啟亮，趙予龍，等. 混合高斯背景模型目標(biāo)檢測的一種改進(jìn)算法[J].計(jì)算機(jī)仿真，2014，31（5）： 378-384，392.

[3]何亮明，覃榮華，鞏思亮，等. 動(dòng)態(tài)場景中的改進(jìn)混合高斯背景模型[J].計(jì)算機(jī)工程， 2012，38（8）：10-12，15.

[4]張運(yùn)楚，宋世軍，張汝敏，等.高斯混合背景模型的適應(yīng)能力研究[J].計(jì)算機(jī)應(yīng)用， 2011，31（3）： 706-710.

[5]劉鑫，劉輝，強(qiáng)振平，等.混合高斯模型和幀間差分相融合的自適應(yīng)背景模型[J].中國圖象圖形學(xué)報(bào)， 2008，13（4）： 729-734.

[6]ZHAO Yaqin， LI Qiujie， GU Zhou. Early smoke detection of forest fire video using CS Adaboost algorithm[J]. Optik - International Journal for Light and Electron Optics， 2015，26（9）：2121-2124.

[7]HUANG Yinglai， TIAN Shaoqing， SUN Xiaofang. An Automatic Recognition Method Based on Gray Bit Plane for Forest Fire Smoke Feature[J]. Journal of Northeast Forestry University， 2013，57（8）：155-159.

[8]WANG S J， DAH-LIH J， TSAI M T. Early Fire Detection Method in Video for Vessels[J]. Journal of Systems and Software. 2009， 82（4）：656-667.

[9]XU Fangming， LU Guanming. Moving object detection based on ameliorative surendra background update algorithm[J]. Shanxi Electronic Technology， 2009，37（5）：39-40.

[10]STAUFFER C， GRIMSON W. Learning patterns of activity using real-time tracking[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2000，22（8）：747-757.