分布式多攝像機(jī)協(xié)同的運(yùn)動目標(biāo)檢測.pdf

1、隨著視頻監(jiān)控的普及，如何實(shí)現(xiàn)監(jiān)控的智能化，已經(jīng)成為一個熱門話題。智能視頻監(jiān)控系統(tǒng)主要包括目標(biāo)檢測、目標(biāo)識別、目標(biāo)跟蹤等。其中，目標(biāo)檢測是基礎(chǔ)，其檢測效果將直接影響后續(xù)其他功能的處理。
　　本文對常用的幀差法、光流法、單高斯背景模型、混合高斯背景模型和核密度估計(jì)算法等目標(biāo)檢測算法進(jìn)行了研究分析。對單高斯背景模型算法進(jìn)行重點(diǎn)研究，針對該模型存在的背景模型不能自適應(yīng)環(huán)境變化等的問題，提出了一種基于改進(jìn)的單高斯背景模型運(yùn)動目標(biāo)檢測算法。該

2、方法結(jié)合單高斯背景模型、三幀差法以及歷史運(yùn)動圖像的思想對目標(biāo)進(jìn)行檢測。首先，取前N幀的均值建立初始背景模型，結(jié)合三幀差法得到背景區(qū)域。同時，對幀差法獲得的背景區(qū)域進(jìn)行分區(qū)，并將背景劃分為大面積靜止區(qū)域、歷史變化區(qū)域及該變化區(qū)域的歷史軌跡區(qū)域。賦予前兩種區(qū)域固定更新率，而歷史變化區(qū)域的歷史軌跡區(qū)域按照時間分布，給予線性衰減的更新率，在此基礎(chǔ)上對背景模型進(jìn)行參數(shù)更新，再利用背景差分法得到運(yùn)動目標(biāo)。實(shí)驗(yàn)表明，改進(jìn)后的目標(biāo)檢測算法不僅提高了背景