視頻運動目標檢測算法的研究.pdf_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論