煙臺背景模型在動畫課件制作中運用
背景模型主要可以分為參數(shù)化和非參數(shù)化兩類。參數(shù)化背景模型的典型例子是混合高斯 分布模型，通過高斯分布的加權組合描述像素的概率分布情況。非參數(shù)化背景中均值漂移方 法是一種性能突出的方法。
1)混合高斯背景模型 如果隨機變量拿的分布密度函數(shù)為 1 》(，)真去，學 c。．2，式中一》：<-z．<十a(chǎn)-；／J，口為常數(shù)，且口>O。則稱拿服從以／ J，廈為參數(shù)的高斯分布，記為q)。 用單高斯分布r《H，表示，時刻像素特征的概率分布模型，其中"，為高斯分布的均 值，∑，為協(xié)方差矩陣。比較,7(H，，"和概率閾值，來判定該像素是否是背景點。 混合高斯背景模型對每個點特征的概率分布用多個高斯模型的混合來表示，I時刻特征H，概率密 度函數(shù)表示為 K p(H，，＝∑fc，／V(H，，產(chǎn)j c9.3, ，-1式中K為高斯分布的數(shù)目，由背景復雜程度和計算能力決定，通常J（值越大越能表示復雜的 背景。r／．／為第；個高斯分布的系數(shù)，"f，J和∑f．／分別為第j個高斯分布的均值和協(xié)方差矩陣 。 另外，我們可以通過極大似然估計，來求得概率密度最大時參數(shù)的取值‘3）。EMf cxfectation maximlzation)算法用以解決這一問題。
EM算法是從不完全數(shù)據(jù)中求解高斯混合模型參數(shù)的極大似然估 計的迭代方法，一種基于EM算法迭代公式的K均值近似算法為‘’在此，我們需要得到的參數(shù)估計值為f和a是表示背景融人背景模型速度 的常數(shù)，M表示模型是否匹配，若新像素與模型匹配則取1，其他時候取0。
將高斯分布按照生從大到小排序選擇前B個分布來作為背景模型： O， B - arg min其中丁即為高斯分布的閾值，認為大于此閾值的才是背景分布。 對運動畫面的檢測如下l，l：將畫面的像素特征H，與所有K個高斯分布進行比對，假如與任一前B 個優(yōu)先級高的高斯分布匹配，則判定H，為背景像素，假如沒有一個處于前B個的優(yōu)先級高的高斯分布 與之匹配，則判定為不是背景像素。 Lee曾經(jīng)利用貝葉斯公式結合混合高斯模型進行背景建模，而Zivkovic則提出了混合高斯分布個數(shù) 的自適應調(diào)整方法。后者的優(yōu)勢在于其能適應背景的緩慢變化，局限在于受到特 *flash動畫創(chuàng)作與后期視頻處理技術*定情況和參數(shù)的影響。
2)均值漂移方法 均值漂移(mean shift)方法由Fukunaga在1973年提出，是一種魯棒性好的非參數(shù)化方法。
核密度 估計是一種非參數(shù)密度估計方法，設樣本集S=仕，其概率密度函數(shù)為＝南套；KhcJ-J式中Kh為核函數(shù)，其窗寬為入，中心點為r。 設樣本集S為連續(xù)N幀中給定點的像素值，.則用核密度估計像素分布為為核函數(shù)，H為核函數(shù)的窗 寬矩陣。 對上式求導來找到概率密度估計的極大值點，使用高斯核函數(shù)，再令V’(。r)-O，由此得到均值 漂移向量為。
轉(zhuǎn)載請注明：
煙臺flash動畫制作公司：http://www.haldonestatewines.com/city26/
