基于詞包模型的背景建模方法研究.pdf

1、隨著處理器性能的提高和視頻處理技術(shù)的發(fā)展，未來(lái)的視頻監(jiān)控將逐漸實(shí)現(xiàn)高清化和智能化。然而終端監(jiān)控設(shè)備由于受到計(jì)算資源的限制，往往不能滿足高分辨率視頻的處理要求。為此本文采用詞包模型(Bag of Words Models，BoW)的思想來(lái)解決背景估計(jì)問題，設(shè)計(jì)了基于詞包模型的背景建模的新方法。該方法不僅大大節(jié)省了內(nèi)存的消耗，而且背景模型的精度較高。
　　 本文首先提出一種基于局部詞包模型的背景建模方法。該方法通過增量K均值聚類為每

2、個(gè)塊建立獨(dú)立的背景詞包模型，由于聚類可以很好地對(duì)前景和背景進(jìn)行分類，所以該方法取得了較好的前景提取效果。然而該方法在模型更新時(shí)會(huì)面臨復(fù)雜的單詞合并問題，而且和以往的算法相比并沒有節(jié)省計(jì)算資源。
　　 因此本文又提出了一種基于全局詞包模型的背景建模方法，在一定程度上突破了以往的研究思想。該方法事先對(duì)訓(xùn)練樣本進(jìn)行K均值聚類生成規(guī)模固定的詞包，而且訓(xùn)練樣本可以是內(nèi)容無(wú)關(guān)的。然后每個(gè)塊共享全局詞包建立各自的背景模型，在背景估計(jì)過程中只需