智能視頻監(jiān)控中動態(tài)目標檢測算法的研究.pdf

1、動態(tài)目標檢測作為智能視頻監(jiān)控中最基礎(chǔ)和最關(guān)鍵的一步，直接影響了一個智能視頻監(jiān)控系統(tǒng)的適用性，是計算機視覺領(lǐng)域備受關(guān)注的前沿課題，目前已取得豐碩成果。但由于場景復雜多變，從視頻中提取出準確的前景信息依然面臨諸多挑戰(zhàn)。研究如何提升動態(tài)目標檢測的效果，具有重要的理論意義和廣泛的應(yīng)用價值。
　　本文圍繞在有陰影、鬼影、局部光照變化、相機抖動等挑戰(zhàn)性場景中動態(tài)目標檢測效果不佳的問題，展開了深入地研究。從不同的研究方法著手，提出了兩種動態(tài)目標

2、檢測改進算法。通過對室內(nèi)外測試視頻進行實驗，并與其它算法對比，驗證了本文算法的有效性。主要工作如下:
　　1.針對ViBe算法對鬼影抑制和陰影去除效果不佳的問題，提出一種基于雙背景模型的改進ViBe算法。緩存視頻前K幀圖像，利用隨機抽樣和改進均值法構(gòu)建兩個背景模型:前景檢測模型和陰影檢測模型，分別用于前景檢測和陰影去除。前景檢測環(huán)節(jié)擴大樣本的抽取范圍，增強前景檢測模型可靠度，抑制鬼影;與最小匹配數(shù)比較，減少計算量;替換虛假樣本完成

3、前景檢測模型的更新。陰影去除環(huán)節(jié)將前景檢測所得感興趣前景區(qū)域與陰影檢測模型比較，結(jié)合快速歸一化互相關(guān)函數(shù)和局部二值模式(LBP)紋理特征信息檢測陰影并消除，提升檢測效果。實驗結(jié)果表明，改進算法能有效抑制鬼影，消除陰影干擾，檢測結(jié)果更加精確。
　　2.傳統(tǒng)混合高斯模型只使用顏色特征作為動態(tài)目標檢測的依據(jù)，往往會造成檢測結(jié)果不完整、對局部光照變化場景檢測效果不佳、對相機抖動敏感等問題。為此，本文提出一種基于區(qū)域組合特征的動態(tài)目標檢測方