论文基于改进高斯混合模型的体育视频运动目标检测和跟踪是关于高斯方面的论文题目、论文提纲、高斯论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
摘 要： 针对当前体育视频运动目标检测存在的弊端,提出改进高斯混合模型的体育视频运动目标检测与跟踪方法.通过分析高斯混合模型的弊端,保留原有的“背景重建?模型更新?背景更新?目标检测”处理进程,将彩像转换为灰度图像,在像素相似度差别小的背景区域进行动态扩张,加入基于灰度直方图的目标跟踪进程,提高高斯混合模型对体育视频运动目标的处理效率与精度.实验结果表明,所提方法对体育视频的干扰处理能力强,检测范围大,检测与跟踪效果好.
关键词： 高斯混合模型； 体育视频； 运动目标； 目标检测； 目标跟踪
中图分类号： TN911.73?34； TP391.41 文献标识码： A 文章编号： 1004?373X（2017）19?0091?03
Detection and tracking of moving object in sports video
based on improved Gaussian mixture model
GAO Ye
（Xi’an International Studies University, Xi’an 710128, China）
Abstract： Aiming at the drawbacks existing in current moving object detection of sports video, a detection and tracking method of moving object in sports video based on improved Gaussian mixture model is improved. The shortcomings of Gaussian mixture model are analyzed to retain the original processes of ″background reconstruction?model update?background update?target detection″, convert the color image into gray image, carry out the dynamic expansion of background area with all difference of pixel similarity, and add the target tracking process based on gray?level histogram. The improved Gaussian mixture model can improve the processing efficiency and precision of the moving target in sports video. The experimental results show that the method has strong ability for interference processing of sports video, wide detection range, and perfect detection effect and tracking effect.
Keywords： Gaussian mixture model； sports video； moving target； target detection； target tracking
0 引 言
随着国内外体育赛事的频繁开展,体育队伍开始采用信息化手段提升运动员的比赛水平,体育视频运动目标检测与跟踪是其中一种十分常见的方法.目标检测就是进行视频内运动点的属性分析,其基于机器视觉理念展开,是目标跟踪的先行条件[1].但是,体育视频中夹杂着大量的解说、观众声音、自然声音,环境噪音很强,运动目标多具干扰性,使体育视频运动目标检测与跟踪的实现具有一定难度.
针对体育视频的检测与跟踪难题,有关科研单位进行了长期研究,文献[2]提出一种基于光流识别的目标检测与跟踪方法,对观众席与赛场区域光线遮挡与打光的不同之处进行分析,并实施跟踪策略.这种方法适用于室内举办的体育比赛,但是运算量很大,检测时间长,导致前期跟踪不明确；文献[3]引入相邻帧差分技术进行运动目标检测,运算量小,但检测结果粗糙,跟踪过程容易丢失运动目标点,常应用于场景简单的体育赛事；文献[4]采用背景差法作用于体育视频时域,同样适用于场景简单的体育赛事,具有检测效率高、跟踪精度高的优点.
以上方法都存在很大缺陷,不能精准提取运动目标的属性以及属性随光线、噪音等干扰的变化趋势,因此需要一种稳定性强的算法或数学模型进行体育视频运动目标的属性提取,帮助增强检测与跟踪效果.高斯混合模型具有自更新能力,将其改进与体育视频运动目标的属性相契合,提出基于改进高斯混合模型的体育视频运动目标检测与跟踪方法.
1 高斯混合模型
图1是高斯混合模型原理图,可以看出,模型基本流程依次为背景重建?模型更新?背景更新?目标检测[5],高斯混合模型汇集了多个单位高斯模型的分布规律,提取每一帧视频的图像像素属性,将像素属性写入混合高斯模型计算各个属性的相似度,提前给出背景与前景的像素阈值,对照相似度检测视频图像中的目标前景.
设高斯混合模型中有[K]个单位高斯模型,每个单位高斯模型描述一个图像像素[Xt]在检测时刻[t]上的运动趋势.图像像素[Xt]的高斯分布情况为：
[P（Xt）等于i等于1Kwi,tη（Xt,ui,t,Σi,t）η（Xt,ui,t,Σi,t）等于e-（Xt-ui,t）TΣ-1i,t（Xt-ui,t）2Σi,t12（2π）n2] （1）
总结:本文是一篇关于高斯论文范文，可作为相关选题参考,和写作参考文献。
参考文献：
1、 物联网中链路稳定和能量感知混合模型的组播路由协议 摘要：针对物联网络中容易出现节点能量消耗不均衡，路由稳定性差，数据容易丢失等问题，提出了一种改进的链路稳定和节点剩余能量感知的物联网路由算法。该。
2、 基于弯曲高斯过程组合方法光伏出力预测 摘 要：针对光伏发电功率受多种天气因素影响造成预测难度大的现状，提出了一种基于弯曲高斯过程的混合模型，可以实现一天内任意时刻的光伏出力的概率预测。
3、 去高斯双模压缩真空场光子分布 摘要：研究了去高斯双模压缩真空场的光子分布，并以J-C模型计算分析了场到量子比特的纠缠传输 采用负度表征纠缠 研究表明减光子双模压缩真空场在较低。
4、 基于改进高斯混合回归球磨机料位软测量 摘 要： 针对球磨机系统多模态复杂过程中的料位不确定性，球磨机振动信号存在非线性、噪声和外界干扰等问题，采用一种基于改进的高斯混合回归（GMR）。
5、 面板数据下线性混合模型其在车险费率厘定中应用 摘 要：精算师在进行车险净保费信度厘定时可采用关于面板数据的线性混合模型，本文采用每次交通事故平均损失额和事故发生频率作为车险净保费的计算指标。。