基于遺傳K均值算法的運動目標檢測.pdf

1、近年來，運動目標檢測與跟蹤已經(jīng)成為一個研究熱點。從技術(shù)的角度來說，這屬于視頻處理的范疇，研究內(nèi)容涉及到圖像處理、模式識別、計算機視覺等多個方面;從實用價值的角度來看，它是智能視頻監(jiān)控系統(tǒng)建設(shè)中的關(guān)鍵技術(shù)，無論是在軍事應(yīng)用中，還是在人們的日常生活中，智能監(jiān)控都具有重要的應(yīng)用價值，與國民經(jīng)濟發(fā)展具有密不可分的關(guān)系。所以，這一課題的研究具有重要的研究意義和廣闊的應(yīng)用前景。
　　 運動目標檢測是智能視頻監(jiān)控系統(tǒng)中最關(guān)鍵的內(nèi)容，也是最直接

2、關(guān)乎系統(tǒng)的效果的部分。本文首先對運動目標檢測算法做了研究，介紹了三種傳統(tǒng)的運動目標檢測方法:背景相減法、幀間差分法和光流法。以算法理論依據(jù)為出發(fā)點，根據(jù)目標檢測算法原理，從以下四個角度:檢測目標信息的全面性、算法的抗干擾性、目標檢測算法的實時性和在動態(tài)場景下的有效性進行探討比對，詳細總結(jié)了各個方法的優(yōu)劣勢所在。并對幀間差分法做出了改進，提出一種對稱幀差法，對連續(xù)三幀圖像做處理，并進行了實驗仿真，效果良好。
　　 本文最突出的工作

3、是從遺傳k均值聚類的角度實現(xiàn)了運動目標的檢測。根據(jù)背景相減法理論，只要建立背景模型就可以實現(xiàn)運動目標檢測。而通常所采用的混合高斯模型和基于核估計的方法具有各自的缺點?？紤]到每個像素點在時間軸上的分布，可以進行聚類的處理，從而區(qū)分出運動目標和背景，達到檢測的目的。通過對各種聚類算法詳細的比較，確立了遺傳k均值算法的優(yōu)勢地位。根據(jù)算法原理，采用這種聚類算法對視頻中的樣本幀圖像進行聚類分析，根據(jù)像素點出現(xiàn)的頻數(shù)作為判別標準來區(qū)分像素點是屬于背