移動智能終端視頻運動目標檢測技術(shù)研究.pdf

1、視頻中運動目標檢測就是從序列圖像中精確地提取出運動目標區(qū)域。它是目標識別、目標跟蹤和目標行為分析等高級視頻處理的基礎(chǔ)，直接影響到后續(xù)視頻處理結(jié)果的質(zhì)量。動態(tài)變化的場景，隨機抖動的相機，反復(fù)運動的物體，部分變化的背景都會給運動區(qū)域的精確提取帶來困難，導(dǎo)致提取出的目標圖像包含噪聲、空洞、鬼影的現(xiàn)象。在以上提到的傳統(tǒng)目標檢測技術(shù)面臨的挑戰(zhàn)中，降低算法復(fù)雜度和增強對相機隨機抖動的適應(yīng)性是移動智能終端上的運動目標檢測不得不面對的問題。
　　

2、本文結(jié)合經(jīng)典的視頻運動目標檢測算法，對運動目標檢測所面臨的一系列挑戰(zhàn)進行了深入、細致的研究。主要關(guān)注兩個方面：（1）移動智能終端對動態(tài)視頻場景中運動目標的提?。唬?）鏡頭隨機抖動的情況下視頻運動目標區(qū)域的提取。研究內(nèi)容從以上兩方面展開：
　　在鏡頭固定的前提下，針對動態(tài)變化的視頻場景下的運動目標區(qū)域提取的問題，本文提出了一種快速的抗噪聲干擾的運動目標提取算法，并被應(yīng)用了到Android手機上。算法在結(jié)合高斯模型和幀間差分方法的優(yōu)點

3、的同時避免了各自的缺陷。首先利用幀間差分法對當(dāng)前幀圖像進行處理，初步提取出包含運動目標區(qū)域的大致輪廓。幀間差分法對動態(tài)背景和光照強度變化的適應(yīng)性使得算法在縮小高斯模型匹配的范圍的同時過濾掉了光照變化和動態(tài)背景引入的干擾。然后在這些輪廓范圍內(nèi)采用基于高斯模型的背景差分方法對圖像中的運動目標區(qū)域進行進一步的精確提取。
　　針對手持設(shè)備容易出現(xiàn)鏡頭抖動的問題，本文提出了一種防鏡頭抖動的視頻運動目標檢測算法，同樣被應(yīng)用到Android手機