基于马尔可夫随机场的运动目标检测

doi:10.3778/j.issn.1002-8331.2010.15.054

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (15): 182-184.DOI: 10.3778/j.issn.1002-8331.2010.15.054

• 图形、图像、模式识别 • 上一篇下一篇

基于马尔可夫随机场的运动目标检测

蒋永馨¹，金俣欣²，王孝通³，黄华³

1.海军大连舰艇学院基础部，辽宁大连 116018
2.清华大学计算机科学与技术系，北京 100084
3.海军大连舰艇学院航海系，辽宁大连 116018

收稿日期:2008-10-13 修回日期:2008-12-29 出版日期:2010-05-21 发布日期:2010-05-21
通讯作者: 蒋永馨

Moving object detection based on Markov Random Field model

JIANG Yong-xin¹，JIN Yu-xin²，WANG Xiao-tong³，HUANG Hua³

1.Department of Basic Sciences，Dalian Naval Academy，Dalian，Liaoning 116018，China
2.Department of Computer Science and Technology，Tsinghua University，Beijing 100084，China
3.Department of Navigation，Dalian Naval Academy，Dalian，Liaoning 116018，China

Received:2008-10-13 Revised:2008-12-29 Online:2010-05-21 Published:2010-05-21
Contact: JIANG Yong-xin

摘要/Abstract

摘要： 精确的目标检测是目标跟踪和识别的重要前提。提出了一种基于固定摄像机环境下的运动目标检测方案，利用多高斯和马尔可夫随机场的混合模型对视频序列进行前景分割，以达到对运动目标检测的目的。建立了马尔可夫随机场用以刻画图像中每个像素点与一定范围的领域内其他各点的关系，同时考虑一定的时域中的关系从而构建一个全局的约束，弥补多高斯模型只考虑单点信息的不足，使得前景分割更为准确。还给出了一种基于多高斯和马尔可夫随机场的新的能量函数形式，并给出了模拟退火方法对模型进行求解的方法。结果表明，利用该文的方法对运动目标进行检测，结果要优于多高斯模型。

Abstract: Accurate detection of moving objects is an important precursor to stable tracking or recognition.This paper presents an object detection scheme using Markov Random Field and pixel-wise Multi Gaussian Background Model in stationary camera situation.The relation of each pixel and the other neighbor pixel is constituted by Markov Random Field.And the whole restriction is established.This fetches up the shortage of single pixel information with Multi Gaussian Background Model.So the foreground segmentation is more exact.This paper also presents a novel energy function based on Multi Gaussian Background Model and establishes solution scheme using simulated annealing method.Experiments demonstrate its effectiveness.

中图分类号:

TP391.4

蒋永馨¹，金俣欣²，王孝通³，黄华³. 基于马尔可夫随机场的运动目标检测[J]. 计算机工程与应用, 2010, 46(15): 182-184.

JIANG Yong-xin¹，JIN Yu-xin²，WANG Xiao-tong³，HUANG Hua³. Moving object detection based on Markov Random Field model[J]. Computer Engineering and Applications, 2010, 46(15): 182-184.

[1]	刘光帅，李柏林，何朝明. 分段光滑曲面重构的面片图稀疏优化方法[J]. 计算机工程与应用, 2011, 47(4): 22-25.
[2]	张聪，桂志国. 噪声控制的图像非线性锐化方法[J]. 计算机工程与应用, 2011, 47(4): 154-156.
[3]	胡闽，刘纯平，龚声蓉，黄蔚. 融合目标特征和空间信息的粒子滤波跟踪[J]. 计算机工程与应用, 2011, 47(4): 191-194.
[4]	金秋春¹，郑小东¹，童小利². 多方向Top-Hat变换在叶脉特征提取中的应用研究[J]. 计算机工程与应用, 2011, 47(4): 195-197.
[5]	柴勇，何友，曲长文. 迭代离散Shearlet变换异类源遥感图像融合[J]. 计算机工程与应用, 2011, 47(3): 174-176.
[6]	张云涛¹，于治楼²，张化祥¹. 关联规则中频繁项集高效挖掘的研究[J]. 计算机工程与应用, 2011, 47(3): 139-141.
[7]	孙力胜，郑建靖，陈建军，戴美晃，梁义. 二维自适应前沿推进网格生成[J]. 计算机工程与应用, 2011, 47(3): 146-148.
[8]	张莹，李言俊，张科，王红梅. 基于NSCT的红外与可见光图像融合[J]. 计算机工程与应用, 2011, 47(3): 196-198.
[9]	殷俊，周静波，金忠. 基于余弦角距离的主成分分析与核主成分分析[J]. 计算机工程与应用, 2011, 47(3): 9-12.
[10]	刘伟锋，李树娟，王延江. 人脸表情的LBP特征分析[J]. 计算机工程与应用, 2011, 47(2): 149-152.
[11]	段建伟，彭国华，胡玫瑰. 曲面三参数binary细分法[J]. 计算机工程与应用, 2011, 47(2): 194-196.
[12]	汤敏. 标准细胞神经网络完全稳定性分析及初步应用[J]. 计算机工程与应用, 2011, 47(2): 173-175.
[13]	胡晓东¹，骆剑承¹，吴炜¹，程熙¹，沈占锋¹，贾银芳². 手写粉笔数字自动识别方法研究[J]. 计算机工程与应用, 2011, 47(2): 182-184.
[14]	邹健^1，2，刘传才¹，张玥^1，2，卢桂馥^1，2. 随机颜色直方图的Fisher信息融合及应用[J]. 计算机工程与应用, 2011, 47(1): 18-21.
[15]	蹇涛，李宏，郭跃健. 结合代价敏感及多数类分解的非平衡分类[J]. 计算机工程与应用, 2011, 47(1): 150-153.

基于马尔可夫随机场的运动目标检测

Moving object detection based on Markov Random Field model

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