基于层次HMM的运动目标分割

doi:10.3778/j.issn.1002-8331.2010.05.050

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (5): 162-165.DOI: 10.3778/j.issn.1002-8331.2010.05.050

• 图形、图像、模式识别 • 上一篇下一篇

基于层次HMM的运动目标分割

张泊平¹，吴松丽²，鄢靖丰¹

1.许昌学院计算机科学与技术学院，河南许昌 461000
2.驻马店教育学院数理系，河南驻马店 463000

收稿日期:2008-08-14 修回日期:2008-10-28 出版日期:2010-02-11 发布日期:2010-02-11
通讯作者: 张泊平

HMM segmentation method based on statistical layered model for image of vehicle

ZHANG Bo-ping¹，WU Song-li²，YAN Jing-feng¹

1.College of Computer and Technology of Xuchang University，Xuchang，Henan 461000，China
2.Department of Mathematics-Physics of Zhumadian Education College，Zhumadian，Henan 463000，China

Received:2008-08-14 Revised:2008-10-28 Online:2010-02-11 Published:2010-02-11
Contact: ZHANG Bo-ping

摘要/Abstract

摘要： 提出对差分图像用三层统计模型表示的思想：前景运动汽车层、背景运动汽车层和运动阴影层，并分别建立了各层的统计模型，应用HMM对运动图像序列进行模型参数估计，通过模型进行运动汽车分割。HMM利用图像序列帧之间的图像像素空间相关性和时间相关性，从而完成模型参数的识别。通过MAP算法完成模型参数具体化，不但用模型完成图像前景目标的分割，同时在分割中自然区别了背景运动目标和阴影，实现了复杂背景图像的运动汽车分割。实验结果表明方法能够有效地完成分割目的。

关键词: 分层模型, 隐马尔可夫模型, 运动汽车分割

Abstract: An HMM segmentation method based on statistical layered model for an image including interest vehicle is brought forward.In statistical layered model，the interest vehicle is called foreground layer and the moving object is called background layer and shadow of moving objects is called shadow layer and they are expressed by the statistical model respectively.The model parameters are estimated by the HMM-based method of video sequences.HMM-based method makes use of the spatial relativity and time relativity of video sequences to accomplish recognition of model.The experimental results show that this method can succeed in segmenting the moving vehicle.

Key words: statistical layered model, Hidden Markov Models（HMM）, moving vehicle segmentation

中图分类号:

TP39

张泊平¹，吴松丽²，鄢靖丰¹. 基于层次HMM的运动目标分割[J]. 计算机工程与应用, 2010, 46(5): 162-165.

ZHANG Bo-ping¹，WU Song-li²，YAN Jing-feng¹. HMM segmentation method based on statistical layered model for image of vehicle[J]. Computer Engineering and Applications, 2010, 46(5): 162-165.

[1]	吴楚田，陈永乐，陈俊杰. 多协议交叉的HMM协议异常检测算法[J]. 计算机工程与应用, 2020, 56(8): 81-86.
[2]	贾志淳，卢元，李想，邢星. 一种多参数的Web服务选择方法[J]. 计算机工程与应用, 2019, 55(21): 74-78.
[3]	杨世强，罗晓宇，李小莉，杨江涛，李德信. 基于DBN-HMM的人体动作识别[J]. 计算机工程与应用, 2019, 55(15): 169-176.
[4]	郇战，李晨，万彩艳，陈学杰. 基于步行加速度信息分割的人员识别[J]. 计算机工程与应用, 2019, 55(1): 203-209.
[5]	吴小全1，2，李晖1，2，陈梅1，2，戴震宇1，2. DRVisSys：基于属性相关性分析的可视化推荐系统[J]. 计算机工程与应用, 2018, 54(7): 251-256.
[6]	马正华1，李雷2，乔玉涛2，戎海龙3，曹海婷2. 基于多传感器融合的动态手势识别研究分析[J]. 计算机工程与应用, 2017, 53(17): 153-159.
[7]	肖晓红1，张懿2，刘冬生1，欧阳春娟1. 基于隐马尔可夫模型的音乐分类[J]. 计算机工程与应用, 2017, 53(16): 138-143.
[8]	戈永侃，于凤芹. 后置滤波器参数自适应的语音合成改进算法[J]. 计算机工程与应用, 2017, 53(1): 168-171.
[9]	胡一帆，胡友彬，李骞，耿冬冬. 基于视频监控的人脸检测跟踪识别系统研究[J]. 计算机工程与应用, 2016, 52(21): 1-7.
[10]	姜芳1，2，李国和1，2，3，岳翔4，吴卫江1，2，3，洪云峰3，刘智渊3，程远3. 基于粗分和词性标注的中文分词方法[J]. 计算机工程与应用, 2015, 51(6): 204-207.
[11]	杨明霞1，3，王万良1，2，邵鹏飞1，4. WSNs中基于隐马尔科夫模型的目标识别问题研究[J]. 计算机工程与应用, 2015, 51(22): 228-232.
[12]	张继军1，马登武2，王琳1. 基于改进HMM的模拟电路早期故障识别和诊断[J]. 计算机工程与应用, 2014, 50(3): 261-264.
[13]	杨秋芬1，2，桂卫华1，胡豁生1，阳若宁2. Gabor小波优化HMM算法的眼部疲劳状态识别[J]. 计算机工程与应用, 2014, 50(15): 13-17.
[14]	陈莉，古丽拉·阿东别克. 基于HMM的柯尔克孜语词性标注的研究[J]. 计算机工程与应用, 2014, 50(15): 120-124.
[15]	包希日莫1，高光来1，张璟2. 基于遗传算法的声学模型拓扑结构优化[J]. 计算机工程与应用, 2014, 50(14): 5-8.

基于层次HMM的运动目标分割

HMM segmentation method based on statistical layered model for image of vehicle

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics