论文部分内容阅读
基于像素层面的混合高斯背景建模方法不能很好的解决动态背景中的运动目标检测问题。由于背景像素运动的复杂性,该方法很难将动态背景建入模型,会造成大量的误检。本文在混合高斯背景建模的基础上,通过空域和时域对动态背景产生的误检进行抑制。在空域运用MRF模型和混合高斯模型分别计算像素点的先验概率和类条件概率,通过结合像素点的先验概率和类条件概率完成前景图像的分割,在很大程度上去除了小面积的误检;在时域通过目标的运动持续性,运动显著性和面积变化稳定性三个目标特征过滤大面积的误检。通过实验表明,在保证较高检测精度