一种基于 GLCM 的运动目标检测新方法

• 作者: 刘伯成 姬丽娜 赵永涛 陈圆金 陈庆奎 高倩
• 来源期刊: 太原理工大学学报
• 关键词: 灰度共生矩阵 运动目标检测 纹理特征 混合高斯模型 协同计算
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 采矿与土木工程
• 页码范围: 719-726
• 页数: 8页
• 分类号: TP301
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2015.06.016

摘要

基于GMM（Gaussian Mixture Model ，混合高斯模型）的物体识别基础上，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当前运动目标检测所存在的问题，如动态场景的变化，光照突变及天气变化等。GLCM 在局部区域的往复运动具有相对不变性，因此利用这个特点对基于GM M 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。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。实验证明这种新的检测算法在检测精度和处理速度上比其他算法有明显改善。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈庆奎	上海理工大学光电与计算机工程学院	149	769	14.0	22.0
5	刘伯成	上海理工大学光电与计算机工程学院	6	8	2.0	2.0
9	高倩	陕西师范大学计算机科学学院	3	25	1.0	3.0
10	赵永涛	上海理工大学光电与计算机工程学院	5	19	3.0	4.0
11	姬丽娜	上海理工大学光电与计算机工程学院	4	15	2.0	3.0
12	陈圆金	上海理工大学光电与计算机工程学院	2	10	1.0	2.0