一种基于GLCM的运动目标检测新方法

摘要：

当前运动目标检测存在几个重要问题比如动态场景的变化、光照突变以及天气变化等.目前已有的算法使用非常广泛的是GMM(Gaussian Mixture Model,混合高斯模型).本文试图利用GLCM(Gray-level co-occurrence matrix,灰度共生矩阵)及基于GLCM提取的纹理特征来解决这些问题.GLCM在局部区域的往复运动具有相对不变性,因此本文利用这个特点对基于GMM检测的前景进行再判断以解决动态场景的问题,将检测窗口中当前帧和前两帧的GLCM特征值进行比较,如果其GLCM特征值的差值小于给定的阈值,那么可以判断当前区域为背景,反之则为前景.图像的纹理特征具有抗光照突变性,经过分析其中的4个特征值并阈值化最终得到更加纯净的前景和更加准确的检测结果.本文通过CPU/GPU(Central Process Unit/Graphic Processing Unit)协同并行计算大大加速了运动目标检测过程.

关键词： 运动目标检测 动态场景 灰度共生矩阵 纹理特征

作者: 姬丽娜 陈庆奎 赵永涛 刘伯成 陈圆金 高倩

作者单位: 上海理工大学光电与计算机工程学院,上海 200093 上海理工大学光电与计算机工程学院,上海 200093;上海理工大学管理学院,上海 200093 陕西师范大学计算机科学学院,西安 710100

会议类型: 国内会议

会议名称: 第10届全国计算机支持的协同工作学术会议暨中国计算机学会协同计算专委年度工作会议

会议地点: 太原

会议语种:中文

页码: 271-278

在线出版日期: 2015-08-28（万方平台首次上网日期，不代表论文的发表时间）