面向智能視頻監(jiān)控的高動態(tài)場景建模和修復.pdf

1、在智能視頻監(jiān)控中,場景建模和修復是目標檢測和場景理解的核心內(nèi)容。計算機視覺科技的進步使得背景建模的算法日臻成熟,對于普通場景中的前景物體變化都能做到較為準確的識別。但在視頻監(jiān)控中常常存在著一些復雜高動態(tài)的場景,其中前景在時域和空域中的比例都要大于背景,目前流行的背景建模算法難以做到實時、準確地建模。針對此問題,本文提出了一種基于“像素-模型”(Pixel to Model,P2M)距離的無參數(shù)背景模型。本論文在學術(shù)上的主要貢獻如下。

2、r>　　1.本文提出了一種全新的像素表達框架:基于壓縮感知的理論,利用圖像中各點上下文信息,通過提取局部特征的方式來對中心像素進行建模。本文分析了之前多種基于色彩值的背景建模方式,針對其局限性提出了引入空域信息對像素點進行建模的方法,并使用壓縮感知的方法解決其面臨的巨大計算量的問題,將廣義的Haar-like特征引入背景建模,完成本文背景建模中像素點的特征表達。通過引入基于紋理和邊緣的圖像上下文信息,本文的背景模型在前景檢測上比單像素色

3、彩模型更為準確,在監(jiān)控行業(yè)常見的高動態(tài)場景中的魯棒性也有所提高。
　　2.針對先前的“像素-像素”背景建模方法的不足,本文提出了“像素-模型”距離的概念,以量化像素點和背景模型之間的相似度。該量化方式是本文前景分割和模型更新的基礎(chǔ)。同時,本文使用了最小和最大“像素-模型”距離來對像素點以及其鄰域像素點的背景模型進行更新,并對其中一些參數(shù)的自適應(yīng)性做了推導和說明。在復雜高動態(tài)環(huán)境的前景分割實驗中,該模型優(yōu)于主流的四種背景建模方法;在