視頻信息處理中目標(biāo)場(chǎng)景的自適應(yīng)提取.pdf

1、本文綜合運(yùn)用了圖像處理與模式識(shí)別、自適應(yīng)控制等相關(guān)理論和技術(shù)，在智能視頻交通系統(tǒng)國(guó)際合作項(xiàng)目應(yīng)用背景下，研究了視頻信息處理技術(shù)在光照變化、下雨天、多運(yùn)動(dòng)目標(biāo)等復(fù)雜背景環(huán)境下目標(biāo)場(chǎng)景的自適應(yīng)提取方法。研究了兩種基于非線性濾波理論的目標(biāo)場(chǎng)景自適應(yīng)提取算法：漸消記憶遞歸最小二乘法和自適應(yīng)中值濾波算法(AMF算法)。利用這兩種算法進(jìn)行目標(biāo)場(chǎng)景提取，考察了算法在目標(biāo)場(chǎng)景提取中的訓(xùn)練速度、收斂情況和目標(biāo)場(chǎng)景提取效果，并對(duì)不同場(chǎng)景進(jìn)行了自

2、適應(yīng)提取實(shí)驗(yàn)。這兩種方法硬件實(shí)現(xiàn)簡(jiǎn)單，特別是AMF算法計(jì)算量少、提取速度快，具有很好的魯棒性。研究了利用幀間差分原理進(jìn)行目標(biāo)場(chǎng)景自適應(yīng)提取的兩種算法：Surendra算法和二次更新算法。分析了這兩種算法的原理和特點(diǎn)，編寫了對(duì)應(yīng)的算法程序，進(jìn)行目標(biāo)場(chǎng)景自適應(yīng)提取實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明這兩種算法有較快的場(chǎng)景背景重建和更新速度，特別二次更新算法在場(chǎng)景突變方面有很快的適應(yīng)能力。研究了運(yùn)用高斯混合模型(MOG算法)進(jìn)行目標(biāo)場(chǎng)景自適應(yīng)提取的

3、方法。分析了該算法的模型匹配原理，并應(yīng)用該算法設(shè)計(jì)了相應(yīng)的程序結(jié)構(gòu)，采用實(shí)際的室內(nèi)外視頻圖像來(lái)驗(yàn)證該算法的目標(biāo)場(chǎng)景提取性能。最后，本文依據(jù)實(shí)際工程項(xiàng)目應(yīng)用所關(guān)心的目標(biāo)場(chǎng)景提取的實(shí)時(shí)性、準(zhǔn)確性、魯棒性和實(shí)用性，重點(diǎn)通過(guò)多個(gè)視頻場(chǎng)景對(duì)各種算法進(jìn)行了綜合性能的比較，并提供了具體的實(shí)驗(yàn)數(shù)據(jù)結(jié)果和參考方案。實(shí)驗(yàn)結(jié)果同時(shí)表明對(duì)這些算法的研究具有很好的實(shí)際效果。本文還利用Visual C++編程平臺(tái)，開發(fā)了利用這些算法進(jìn)行目標(biāo)場(chǎng)景自適應(yīng)