基于GMM的視頻序列運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究.pdf

1、分類號(hào)——UDC密級(jí)學(xué)校代碼劣多萎理歹大穿10497學(xué)位論文中文題目基士Q叢叢鮑墊塑莊到重邈旦盤撿型簋洼盟寶英ResearchonMovingObjectDetectionAlgorithmof——題I；IVideoSequencesBasedonGaussianMixtureModel——指導(dǎo)教師申請(qǐng)學(xué)位級(jí)別論文提交13期學(xué)位授予單答辯委員會(huì)碩士20114430063論文答辯13期201152011年5月L臣l薯r‘‘‘7●’氟鱉西墨

2、罾&■■曩■■lrI‘It■■ll_l■■r武漢理丁大學(xué)碩士學(xué)位論文摘要智能視頻監(jiān)控技術(shù)在當(dāng)今中國(guó)有著廣闊的發(fā)展前景和可觀的經(jīng)濟(jì)價(jià)值，所以智能視頻監(jiān)控系統(tǒng)的開發(fā)已經(jīng)成為現(xiàn)階段機(jī)器視覺領(lǐng)域的重要的研究課題。運(yùn)動(dòng)目標(biāo)檢測(cè)是智能視頻監(jiān)控系統(tǒng)中的基礎(chǔ)性工作，它的成功與否直接關(guān)系到整個(gè)監(jiān)控系統(tǒng)的性能。運(yùn)動(dòng)目標(biāo)檢測(cè)的目的是將視頻監(jiān)控場(chǎng)景中感興趣的區(qū)域從背景圖像中準(zhǔn)確快速的提取出來。運(yùn)動(dòng)目標(biāo)檢測(cè)方法有很多，本文主要研究利用混合高斯背景建模法將前景目標(biāo)

3、區(qū)域從背景圖像中分割出來，并針對(duì)目前算法中存在的問題，在提高算法準(zhǔn)確性和實(shí)時(shí)性方面給出改進(jìn)方案。本論文的主要工作如下：首先回顧和介紹了視頻監(jiān)控技術(shù)的發(fā)展歷史和研究現(xiàn)狀，并對(duì)目前智能視頻監(jiān)控系統(tǒng)中比較常用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法進(jìn)行了分析比對(duì)，重點(diǎn)分析了光流法、幀間差分法及背景減除法的基本原理、各自的優(yōu)缺點(diǎn)和適用場(chǎng)合。同時(shí)對(duì)背景減除法中的單高斯模型法和混合高斯模型法進(jìn)行了深入的學(xué)習(xí)和研究，對(duì)這兩種算法的原理、流程、適應(yīng)場(chǎng)合以及優(yōu)缺點(diǎn)進(jìn)行了全面透

4、徹的分析，并通過幾組有代表性的實(shí)驗(yàn)，對(duì)算法的檢測(cè)效果、復(fù)雜場(chǎng)景的適應(yīng)程度、算法的復(fù)雜度和實(shí)時(shí)性等方面進(jìn)行比較，通過對(duì)算法綜合性能指標(biāo)的評(píng)定，驗(yàn)證了混合高斯建模法的優(yōu)越性，同時(shí)也認(rèn)識(shí)到該算法存在的不足。通過對(duì)混合高斯背景建模理論的學(xué)習(xí)和研究，對(duì)目前算法中存在的問題進(jìn)行了深入的探討，經(jīng)過分析得出在模型初始化和模型更新過程中，模型中的每個(gè)參數(shù)都是互相影響的，參數(shù)取值是否合適直接影響到檢測(cè)效果的好壞，為了找到每個(gè)參數(shù)最合適的取值，論文通過大量的

5、實(shí)驗(yàn)，對(duì)模型中每個(gè)參數(shù)進(jìn)行討論分析，找到每個(gè)參數(shù)的最佳取值點(diǎn)，使得整個(gè)算法在準(zhǔn)確性方面得到很大的改進(jìn)。最后，針對(duì)混合高斯模型算法計(jì)算量大，實(shí)時(shí)性差的問題，本文對(duì)影響算法速度的諸多因素進(jìn)行了深入的討論和分析，對(duì)算法提出了一個(gè)有效可行的改進(jìn)方案，并通過實(shí)驗(yàn)，驗(yàn)證了算法的可行性。同時(shí)，針對(duì)本文實(shí)驗(yàn)結(jié)果中背景區(qū)域噪聲點(diǎn)的分布特點(diǎn)，提出了用形態(tài)學(xué)中先腐蝕后膨脹的算法進(jìn)行處理，具有很好的去噪效果。關(guān)鍵詞：智能視頻監(jiān)控，運(yùn)動(dòng)目標(biāo)檢測(cè)，混合高斯模型，學(xué)