基于GMM的智能視頻運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究.pdf

1、計(jì)算機(jī)視覺(jué)領(lǐng)域中的智能視頻監(jiān)控技術(shù)已經(jīng)逐漸成為社會(huì)公共安全系統(tǒng)的核心部分。而運(yùn)動(dòng)目標(biāo)的檢測(cè)是智能監(jiān)控系統(tǒng)中的關(guān)鍵技術(shù)，也是監(jiān)控系統(tǒng)中實(shí)現(xiàn)目標(biāo)跟蹤、行為分析與理解以及目標(biāo)分類等工作的前提。運(yùn)動(dòng)目標(biāo)檢測(cè)的結(jié)果直接關(guān)系到監(jiān)控系統(tǒng)的智能程度。
　　 本文在了解智能視頻監(jiān)控技術(shù)的研究歷程和運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)的研究現(xiàn)狀的基礎(chǔ)上，對(duì)傳統(tǒng)運(yùn)動(dòng)目標(biāo)檢測(cè)算法存在的問(wèn)題和不足做了較詳細(xì)的分析，并針對(duì)現(xiàn)實(shí)監(jiān)控場(chǎng)景的復(fù)雜性，對(duì)基于混合高斯模型(Gaussi

2、anMixtureModel，GMM)的運(yùn)動(dòng)檢測(cè)算法做了深入的研究，繼而提出了新的改進(jìn)算法。新算法不但提高了運(yùn)動(dòng)檢測(cè)的完整和準(zhǔn)確性，而且增強(qiáng)了高斯模型對(duì)環(huán)境變化的適應(yīng)性。本文的主要工作如下:
　　 (1)對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)中常用的技術(shù)做了研究，主要有圖像的色彩空間轉(zhuǎn)換、運(yùn)動(dòng)檢測(cè)的前后處理和常見(jiàn)的運(yùn)動(dòng)檢測(cè)方法，給出了幀差法和背景差分法的運(yùn)動(dòng)檢測(cè)原理和流程，并對(duì)這兩種方法進(jìn)行實(shí)驗(yàn)結(jié)果對(duì)比分析，得出方法各自存在的優(yōu)缺點(diǎn)和適用場(chǎng)景。

3、　　 (2)根據(jù)場(chǎng)景中像素點(diǎn)在時(shí)域上符合高斯分布的特點(diǎn)，對(duì)基于單高斯(SingleGaussianModel，SGM)和GMM的運(yùn)動(dòng)檢測(cè)展開(kāi)了詳細(xì)的研究，并對(duì)這兩種運(yùn)動(dòng)檢測(cè)方法的背景建模、更新以及運(yùn)動(dòng)檢測(cè)過(guò)程都進(jìn)行了細(xì)致的分析。實(shí)驗(yàn)結(jié)果表明，GMM在復(fù)雜場(chǎng)景下的運(yùn)動(dòng)檢測(cè)效果更準(zhǔn)確。
　　 (3)利用滑動(dòng)窗技術(shù)具有短暫的歷史記憶特點(diǎn)，提出一種新穎的基于滑動(dòng)窗的GMM運(yùn)動(dòng)目標(biāo)檢測(cè)方法。該方法彌補(bǔ)了傳統(tǒng)GMM存在的一個(gè)致命性的缺點(diǎn):

4、隨著時(shí)間的推移，模型參數(shù)收斂緩慢且難以適應(yīng)場(chǎng)景中真實(shí)背景的實(shí)時(shí)變化，從而導(dǎo)致運(yùn)動(dòng)目標(biāo)的錯(cuò)誤檢測(cè)率增加。同時(shí)方法提高了運(yùn)動(dòng)檢測(cè)的完整性，并進(jìn)一步降低了算法對(duì)場(chǎng)景光照變化的敏感性。經(jīng)過(guò)在多個(gè)監(jiān)控場(chǎng)景下的進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果表明滑動(dòng)窗的GMM運(yùn)動(dòng)檢測(cè)方法能更準(zhǔn)確、完整地檢測(cè)出運(yùn)動(dòng)目標(biāo)，且方法具有更好的環(huán)境適應(yīng)性。
　　 (4)利用運(yùn)動(dòng)陰影不影響背景模型的建立和更新的特點(diǎn)，使用背景減除法初步確定前景區(qū)域,然后結(jié)合基于彩色空間的陰影抑制算法