交通視覺(jué)中運(yùn)動(dòng)目標(biāo)的魯棒性檢測(cè).pdf

1、近年來(lái)，計(jì)算機(jī)硬件水平飛速發(fā)展，計(jì)算機(jī)視覺(jué)和圖像處理發(fā)展速度也是相當(dāng)可觀(guān)，監(jiān)控視頻的智能化愈來(lái)愈受到科研機(jī)構(gòu)和學(xué)者們的關(guān)注，部分智能監(jiān)控的產(chǎn)品也逐漸實(shí)現(xiàn)。檢測(cè)作為視頻監(jiān)控中最基礎(chǔ)又是最重要的組成部分之一，已經(jīng)越來(lái)越收到國(guó)內(nèi)外學(xué)者、科研機(jī)構(gòu)和高校的關(guān)注和研究，也取得了非常驕人的成績(jī)，盡管如此，目前仍有許多問(wèn)題需要解決，算法的魯棒性還需要進(jìn)一步增強(qiáng)，本文針對(duì)監(jiān)控視頻中攝像機(jī)抖動(dòng)引起背景變化，提出了一種新的背景建模算法。
　　本文從監(jiān)控

2、視頻的處理流程著手，在圖像去噪、檢測(cè)、跟蹤等方面開(kāi)展了相應(yīng)的工作，工作重點(diǎn)在運(yùn)動(dòng)目標(biāo)檢測(cè)方面。在圖像完成圖像預(yù)處理的基礎(chǔ)上，本文實(shí)現(xiàn)了基于混合高斯模型的背景建模方法，并對(duì)算法進(jìn)行改進(jìn)，提出了一種新的背景建模方法。由于攝像器材的抖動(dòng)等因素造成的背景變化，傳統(tǒng)的混合高斯模型會(huì)將抖動(dòng)的背景作為前景點(diǎn)從而造成誤檢，為了解決這個(gè)問(wèn)題，本文做了兩點(diǎn)改進(jìn):1）在建立背景模型時(shí)，更可能多的利用圖像的紋理特征，增大像素點(diǎn)鄰域信息對(duì)模型的貢獻(xiàn);2）前景點(diǎn)檢

3、測(cè)時(shí)，以當(dāng)前像素點(diǎn)所在的背景模型和其周?chē)鷑*n領(lǐng)域大小內(nèi)的背景模型共同決定（n一般取奇數(shù)）。實(shí)驗(yàn)證明，本文的算法在WavingTrees和Fountain數(shù)據(jù)集上進(jìn)行測(cè)試，具有良好的魯棒性能。
　　此外，本文在機(jī)器學(xué)習(xí)在目標(biāo)檢測(cè)方面的應(yīng)用方面進(jìn)行了研究，實(shí)現(xiàn)了svm分類(lèi)器結(jié)合hog特征、adaboost分類(lèi)器結(jié)合haar特征對(duì)車(chē)輛、行人的檢測(cè)，其中行人檢測(cè)應(yīng)用到TRECVID國(guó)際視頻檢測(cè)比賽中，取得了良好的效果。
　　為了驗(yàn)