視頻運動目標檢測算法的研究.pdf

1、隨著視頻分析技術(shù)的快速發(fā)展，視頻運動目標檢測技術(shù)具有相當廣泛的實際應(yīng)用價值，不僅在人口密集與流動量較大的學校、機場、生活小區(qū)、大型購物商城等日常生活領(lǐng)域，而且在交通監(jiān)控、軍事安防、醫(yī)學細胞等領(lǐng)域也倍受學者關(guān)注。目前，學者相繼提出了許多運動目標檢測算法，但是，各種算法都具有一定的局限性。有些算法雖然能夠檢測出較完整的運動目標，但受光照突變和噪聲的影響較大；有些算法能夠在一定程度上消除上述問題，但其計算量大，處理速度緩慢，不能達到目標檢測的

2、實時性需求，因此，尋找一種準確度高、處理速度快、實時性好的目標檢測算法是我們所面臨的一項重要挑戰(zhàn)。
　　本文的主要研究內(nèi)容如下：
　　首先，研究了數(shù)字圖像處理技術(shù)中的灰度化、圖像濾波、閾值化、特征提取、形態(tài)學處理、連通性分析及最大類間方差法等基礎(chǔ)理論知識，并研究了三類經(jīng)典的目標檢測方法：光流法、背景減除法及幀間差分法，針對背景減除法介紹了五種常見的背景建模方法。通過不同算法的性能對比，本文選用基于高斯混合建模的背景減除法和三

3、幀差分法來建立運動目標模型。
　　其次，鑒于傳統(tǒng)高斯混合模型在背景初始建立、噪聲干擾時魯棒性不高，易造成檢測錯誤等問題，先提出了一種自適應(yīng)更新速率的高斯混合模型，然后利用LBP紋理特征對背景模型再次更新，得到更真實的背景。對于三幀差分法在目標檢測中存在空洞和目標邊緣不完整的問題，提出了融合六幀差分和Sobel邊緣特征的改進方法。
　　最后，由于前面改進后的兩種算法對復雜場景的適應(yīng)性和光照突變的敏感性具有互補的特點，因此，將兩