監(jiān)控視頻中基于背景建模的運(yùn)動物體檢測算法.pdf

1、隨著現(xiàn)代科技的日益進(jìn)步與發(fā)展，監(jiān)控攝像頭已經(jīng)快速進(jìn)入了社會的各行各業(yè)，而這些攝像頭都錄制了大量的監(jiān)控視頻，這些視頻又很少有人專門去查看，只是在發(fā)生一些惡性事件后作為事后證據(jù)來用，這樣對監(jiān)控視頻的使用并沒有體現(xiàn)了其應(yīng)有的價值。因此，人們開始越來越重視對監(jiān)控視頻的智能分析工作。
　　在監(jiān)控視頻處理領(lǐng)域，最主要的任務(wù)就是對監(jiān)控視頻中的運(yùn)動的人和物的行為做出判斷，來達(dá)到預(yù)防犯罪的作用。而對視頻中的運(yùn)動物體的行為分析又是基于監(jiān)控視頻中的運(yùn)動

2、檢測和跟蹤技術(shù)來完成的。
　　因此，本文將研究的焦點放于監(jiān)控視頻中的運(yùn)動前景物體的檢測問題，通過觀察背景像素值在RGB空間中的分布，提出假設(shè)，建立背景像素值分布模型，然后通過實驗驗證模型的有效性和準(zhǔn)確性。
　　目前大多數(shù)的背景建模算法在對背景像素值變化規(guī)律的刻畫上都存在著不準(zhǔn)確的問題，它們對背景模型的假設(shè)也都不符合實際的情況。如混合高斯算法假設(shè)RGB空間中的三個分量是相互獨立的。本文針對以上當(dāng)前背景建模算法存在的問題，主要做

3、了以下幾方面的工作：
　　①研究了運(yùn)動物體檢測方面使用的各種方法文獻(xiàn)，對這些文獻(xiàn)進(jìn)行梳理，繪制了運(yùn)動物體檢測方法的發(fā)展路線圖；并深入介紹了目前使用較多的混合高斯算法和 codebook算法，詳細(xì)的分析了這兩種算法在對背景模型的刻畫方面的能力，研究了造成背景模型刻畫不準(zhǔn)確的原因；在分析其他算法的基礎(chǔ)上，對實際視頻序列的像素值在RGB空間當(dāng)中的分布進(jìn)行采樣驗證實驗，并給出采樣結(jié)果；
　?、谠诓蓸訉嶒灥幕A(chǔ)上提出了基于RANSAC