監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究.pdf

1、針對(duì)經(jīng)典的VIBE前景提取算法當(dāng)輸入的第一幀含有運(yùn)動(dòng)目標(biāo)時(shí)后續(xù)檢測(cè)就會(huì)出現(xiàn)“鬼影”現(xiàn)象、像素判別時(shí)背景模型中的固定半徑在復(fù)雜場(chǎng)景檢測(cè)中效果不佳以及主流的運(yùn)動(dòng)目標(biāo)檢測(cè)算法在復(fù)雜場(chǎng)景下檢測(cè)出來的運(yùn)動(dòng)目標(biāo)通常存在較大面積空洞等三個(gè)問題，本文做出了具體的改進(jìn)策略。
　　首先，針對(duì)“鬼影”問題，提出一種基于輪廓相似度比較的“鬼影”去除方法。通過比較靜止區(qū)域和對(duì)應(yīng)的灰度區(qū)域用Canny算子提取到的輪廓之間相似性，區(qū)分靜止區(qū)域是“鬼影”區(qū)域還是

2、靜止目標(biāo)，然后對(duì)其分別處理。
　　其次，針對(duì)背景模型在像素判別時(shí)的固定半徑在復(fù)雜場(chǎng)景下檢測(cè)效果不佳的問題，提出一種基于LBP-T描述字的自適應(yīng)閾值方法。該方法通過LBP-T描述字來描述當(dāng)前像素與背景模型中樣本之間的差異程度，這種差異程度也直接反映了視頻中場(chǎng)景的變化程度。在像素判別時(shí)根據(jù)描述字來動(dòng)態(tài)調(diào)整判別模型中半徑的大小，使得在場(chǎng)景變化程度較小時(shí)有更多的前景點(diǎn)被檢測(cè)出，變化程度較大時(shí)能夠阻止波動(dòng)較小的像素點(diǎn)被檢測(cè)為前景點(diǎn)，減少檢測(cè)

3、結(jié)果中的噪聲。
　　最后，針對(duì)主流運(yùn)動(dòng)目標(biāo)檢測(cè)算法在復(fù)雜場(chǎng)景下檢測(cè)出的運(yùn)動(dòng)目標(biāo)存在較大面積空洞問題，本文對(duì)檢測(cè)到的前景區(qū)域和前景鄰近的空洞區(qū)域兩者之間的性質(zhì)上做出了深入分析，提出一種基于超像素分割和顯著性檢測(cè)相結(jié)合的目標(biāo)空洞填充方法。該方法巧妙地借助了形態(tài)學(xué)處理，大大縮小了待檢測(cè)區(qū)域的范圍，然后通過本文給出的相似度函數(shù)計(jì)算出所有待檢測(cè)超像素塊的屬性，獲得精確的需要填充的區(qū)域，最后將這些區(qū)域與VIBE結(jié)果相加，得到比較理想的結(jié)果。<