自適應(yīng)閾值的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究.pdf

1、隨著計(jì)算機(jī)視覺(jué)技術(shù)的快速發(fā)展,智能視頻監(jiān)控系統(tǒng)作為安全防衛(wèi)的一個(gè)重要手段在社會(huì)生活的各個(gè)方面有著廣泛的應(yīng)用前景,快速而準(zhǔn)確地檢測(cè)出運(yùn)動(dòng)目標(biāo)是實(shí)施視頻監(jiān)控的前提和關(guān)鍵。因此,運(yùn)動(dòng)目標(biāo)檢測(cè)已成為計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)越來(lái)越熱門(mén)的研究課題。
　　 在運(yùn)動(dòng)目標(biāo)檢測(cè)中,對(duì)差分圖像自適應(yīng)地選取最佳閾值是其中非常重要的一個(gè)步驟。本文以差分圖像的自適應(yīng)閾值分割為研究重點(diǎn),主要研究工作如下:
　　 1.在攝像機(jī)靜止的情況下,對(duì)道路上的車(chē)輛和行

2、人進(jìn)行目標(biāo)檢測(cè),采用最大類間方差法(Otsu)實(shí)現(xiàn)了差分圖像全局閾值的自適應(yīng)選取,實(shí)驗(yàn)結(jié)果表明該方法能較好地分割出運(yùn)動(dòng)目標(biāo)。
　　 2.針對(duì)場(chǎng)景中行人目標(biāo)所占比例過(guò)小的情況,對(duì)差分圖像分割時(shí)提出了改進(jìn)的局部自適應(yīng)閾值算法。首先建立積分圖,然后遍歷所有像素得到像素點(diǎn)的空間鄰域信息,最后在閾值判別式中引入局部方差從而進(jìn)行二值化操作。實(shí)驗(yàn)結(jié)果表明基于積分圖的局部自適應(yīng)閾值算法比全局閾值的一維最大類間方差法(Otsu)更能精確地檢測(cè)出小

3、運(yùn)動(dòng)目標(biāo)。
　　 3.在戶外交通環(huán)境下,攝像頭因?yàn)橥饨缫蛩氐挠绊懖⒉荒鼙３朱o止,所以視頻幀會(huì)出現(xiàn)不規(guī)則抖動(dòng),而且由于復(fù)雜背景中物體的變化,傳統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法和混合高斯算法都不能有效地檢測(cè)出運(yùn)動(dòng)車(chē)輛。針對(duì)上述問(wèn)題,提出了一種基于分解的三維最大類間方差法(Otsu)結(jié)合隔幀對(duì)稱差分的運(yùn)動(dòng)車(chē)輛檢測(cè)方法。首先通過(guò)隔幀對(duì)稱差分法得到兩個(gè)差分圖像,再對(duì)這兩個(gè)差分圖像采用基于分解的三維Otsu法閾值分割,最后對(duì)這兩個(gè)二值圖像采用數(shù)學(xué)形態(tài)學(xué)

4、濾波后求交集得到運(yùn)動(dòng)車(chē)輛目標(biāo)。實(shí)驗(yàn)結(jié)果表明,該方法在視頻幀出現(xiàn)不規(guī)則抖動(dòng)的情況下能實(shí)時(shí)和精確地檢測(cè)出運(yùn)動(dòng)車(chē)輛。
　　 4.針對(duì)場(chǎng)景中目標(biāo)密集出現(xiàn)的情況,提出了改進(jìn)的基于最陡上升法的三維最大類間方差法(Otsu)結(jié)合混合高斯背景建模的運(yùn)動(dòng)車(chē)輛檢測(cè)方法。首先采用混合高斯模型來(lái)建立背景并自適應(yīng)更新,很好的解決了背景差分法中由于光線變化、物體干擾等動(dòng)態(tài)因素引起的背景失效問(wèn)題。在當(dāng)前幀與背景幀作差分運(yùn)算后,采用改進(jìn)的基于最陡上升法的三維O