基于混合高斯模型的移动奶牛目标实时检测

发布时间：2017-09-08 07:07

  本文关键词：基于混合高斯模型的移动奶牛目标实时检测

  更多相关文章： 移动奶牛 视频分析 目标检测 阴影检测 混合高斯模型

【摘要】：针对奶牛养殖场背景复杂和环境多变导致现有的目标检测算法无法满足鲁棒性和实时性需求的问题,基于递归背景建模思想,在混合高斯模型中引入惩罚因子,提出了一种动态背景建模方法,采用局部更新策略,以降低模型复杂度和解决前景消融问题;提出基于色度偏差和亮度偏差的二分类算法,避免目标物阴影区域的影响。对不同天气及环境变化剧烈情况下获取的奶牛视频样本进行实验。结果表明,与混合高斯模型相比,平均模型复杂度降低了50.85%,前景误检率和背景误检率分别降低了19.50和13.37个百分点,单帧运行时间降低了29.25%,检测准确率更高、实时性更好,且解决了前景消融问题,能满足在复杂背景和环境条件下实时提取奶牛目标的要求。
【作者单位】： 西北农林科技大学机械与电子工程学院;
【关键词】： 移动奶牛 视频分析 目标检测 阴影检测 混合高斯模型
【基金】：国家自然科学基金项目(61473235)
【分类号】：S823;TP391.41
【正文快照】： 引言智能视频监控是计算机视觉的一个重要研究领域,已经广泛应用于精准畜牧领域,例如:跛行检测[1-4]、呼吸检测[5-6]、体况评定[7-10]、疾病检测[10]、行为识别[11-13]等。使用视频监控技术感知动物运动行为已经成为精准畜牧业的研究热点。从视频中准确、实时地检测出运动目标

【参考文献】

中国期刊全文数据库 前1条

1 陈祖爵;陈潇君;何鸿;;基于改进的混合高斯模型的运动目标检测[J];中国图象图形学报;2007年09期

【共引文献】

中国期刊全文数据库 前10条

1 朱军军;程涛;杜明明;;基于OpenCV的视频人流计数系统的设计与开发[J];电脑知识与技术;2010年16期

2 尤优;詹智财;张松松;;一种基于SIFT特征的车辆跟踪系统实现[J];电脑知识与技术;2011年23期

3 沈贺;程咏梅;于盈;潘泉;;基于提升框架检测的空中强机动视频目标跟踪[J];火力与指挥控制;2011年05期

4 戴金平;韩建平;;基于光照不变性颜色特征的多层前景检测算法[J];机电工程;2010年02期

5 孙友统;董辉;俞立;;基于达芬奇的运动目标检测系统[J];机电工程;2010年06期

6 李颖宏;刘亚利;尹怡欣;庞一贵;;W~4理论在道路交叉口视频监测中的应用[J];计算机工程与应用;2010年04期

7 冯柯;陈临强;;户外环境下抗遮挡的运动目标跟踪方法[J];计算机工程与应用;2011年11期

8 王小鹏;金卫东;赵国辉;董利芳;;基于贝叶斯决策的运动目标检测方法[J];计算机工程与应用;2011年20期

9 宋佳声;;动态场景的自适应高斯混合模型的研究[J];计算机工程与应用;2012年01期

10 叶吉祥;白一哲;田莎莎;;基于直方图比较的高斯混合模型更新算法[J];计算机工程;2012年03期

中国博士学位论文全文数据库 前4条

1 张洪涛;钢板表面缺陷在线视觉检测系统关键技术研究[D];天津大学;2008年

2 王欢;运动目标检测与跟踪技术研究[D];南京理工大学;2009年

3 祝宇鸿;嵌入式多媒体通信终端及其相关视频处理算法研究[D];吉林大学;2012年

4 宋佳声;视频序列图像中运动目标检测与跟踪算法研究[D];华南理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 王振侠;实时视频监控系统中运动目标检测与异常行为识别[D];西安电子科技大学;2009年

2 张浩;动态背景下的运动目标检测与跟踪[D];吉林大学;2011年

3 张燕;移动侦测的抗干扰算法研究[D];吉林大学;2011年

4 姜晓艳;基于视觉的目标跟踪与定位算法研究[D];杭州电子科技大学;2011年

5 刘林;基于多颜色空间和统计直方图的场景分类和目标检测研究[D];济南大学;2011年

6 戴金平;智能视频监控中的运动目标检测与跟踪算法研究[D];杭州电子科技大学;2009年

7 龚昱辉;排球视频中的运动目标检测与跟踪[D];河北工业大学;2011年

8 童琪凯;基于视频序列图像的运动目标检测与跟踪研究[D];燕山大学;2012年

9 吴朗;视频监控中运动目标检测与跟踪算法的研究[D];浙江理工大学;2011年

10 刘晓丽;基于机器视觉的异常行为检测[D];辽宁科技大学;2012年

【二级参考文献】

中国期刊全文数据库 前1条

1 胡汉南;水运交通电视监控图像目标识别技术研究[J];交通部上海船舶运输科学研究所学报;2001年01期

，

本文编号：812581