[发明专利]一种基于扩展混合高斯模型的运动目标检测方法有效
| 申请号： | 200710304222.2 | 申请日： | 2007-12-26 |
| 公开（公告）号： | CN101470809A | 公开（公告）日： | 2009-07-01 |
| 发明（设计）人： | 谭铁牛;黄凯奇;刘舟 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06T7/00 |
| 代理公司： | 中科专利商标代理有限责任公司 | 代理人： | 周国城 |
| 地址： | 100080北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明是一种基于扩展混合高斯模型的运动目标检测方法。所述方法包含如下步骤：通过一级模型构建模块，基于扩展混合高斯模型，构造阴影背景、和前景的概率密度函数；通过二级模型构建模块，基于上述三类的模型，构造运动目标和非运动目标的概率密度函数；通过分类模块，应用MAP-MRF(Maximum a Posteriori-Markov Random Field)方法进行分类；应用跟踪的反馈信息，进一步精确前景模型。本发明通过将高斯混合模型融合空间信息可以克服因背景运动造成的前景误检测；通过在一个概率框架中融合背景建模、前景检测和阴影去除可以克服阴影所造成的不利影响，从而提高运动目标的检测效果。 | ||
| 搜索关键词： | 一种 基于 扩展 混合 模型 运动 目标 检测 方法 | ||
【主权项】：
1. 一种基于扩展混合高斯模型的运动目标检测方法，其特征在于，包含如下步骤：通过一级模型构建模块，基于扩展混合高斯模型，构造阴影、背景和前景的概率密度函数；通过二级模型构建模块，基于上述三类的模型，构造运动目标和非运动目标的概率密度函数；通过分类模块，应用MAP-MRF(Maximum a Posteriori-MarkovRandom Field)方法进行分类；应用跟踪的反馈信息，进一步精确前景模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所，未经中国科学院自动化研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/200710304222.2/，转载请声明来源钻瓜专利网。
