基于混合高斯模型的目標檢測與陰影去除算法研究.pdf

1、AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterResearchofTargetDetectionandShadowRemoveAlgorithmBasedonGaussianMixtureByQingheShuiSupervisor：ProfHaoliangLiMicroelectronicsandSolidStateElectronicsSchoolofInforma

2、tionEngineeringApril2014摘要摘要運動目標檢測是計算機視覺技術領域中的重要內容，已經廣泛應用于智能監(jiān)控領域，目標檢測的準確率直接影響到后續(xù)的目標跟蹤和行為理解?；旌细咚贡尘敖Ｋ惴ㄊ且环N廣泛應用的經典運動目標檢測方法，本文針對其背景模型生成速度慢的缺點，給出了新的模型參數(shù)更新方法，加快了背景生成速率；另外，為消除包含在運動前景中的光照陰影，給出一種適用于室外強光照陰影的陰影消除算法，與傳統(tǒng)的算法比較，本文算法陰影去

3、除效果好，提高了運動目標檢測的準確率；本文首先討論幀間差分法、光流法和背景減除法三種運動目標檢測算法，對比各算法優(yōu)缺點及應用場合，分析選取背景減除法中的混合高斯模型作為背景建?；痉椒ā＝o出了一種改進的混合高斯建模方法，該方法采用自適應學習率參數(shù)取值策略，加快了初始背景的更新速率，通過實驗仿真，本文算法能夠在前30幀建立準確的背景模型，比傳統(tǒng)算法加快了10幀；同時，在前景檢測中設定面積閾值判別有效運動區(qū)域，消除了復雜場景下的不規(guī)則干擾。

4、針對本文算法檢測出的前景中包含光照陰影的問題，論文首先研究了基于顏色空間、顏色直方圖、色彩特征不變量的三種陰影消除方法，發(fā)現(xiàn)這三種算法對強光照的適應能力不強，在強光照下對陰影的消除率不高。然后基于此問題，給出了一種基于LoG邊緣檢測的陰影去除算法，利用運動物體邊緣信息豐富而陰影區(qū)域內部無明顯邊緣的特點，分別提取檢測出的運動前景內部邊緣信息與二值化前景邊緣，對兩次提取出的結果做差值，最終消除光照陰影。最后的實驗結果表明，本文算法的前景檢測