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.