交通視覺中運動目標的魯棒性檢測.pdf

1、近年來，計算機硬件水平飛速發(fā)展，計算機視覺和圖像處理發(fā)展速度也是相當(dāng)可觀，監(jiān)控視頻的智能化愈來愈受到科研機構(gòu)和學(xué)者們的關(guān)注，部分智能監(jiān)控的產(chǎn)品也逐漸實現(xiàn)。檢測作為視頻監(jiān)控中最基礎(chǔ)又是最重要的組成部分之一，已經(jīng)越來越收到國內(nèi)外學(xué)者、科研機構(gòu)和高校的關(guān)注和研究，也取得了非常驕人的成績，盡管如此，目前仍有許多問題需要解決，算法的魯棒性還需要進一步增強，本文針對監(jiān)控視頻中攝像機抖動引起背景變化，提出了一種新的背景建模算法。
　　本文從監(jiān)控

2、視頻的處理流程著手，在圖像去噪、檢測、跟蹤等方面開展了相應(yīng)的工作，工作重點在運動目標檢測方面。在圖像完成圖像預(yù)處理的基礎(chǔ)上，本文實現(xiàn)了基于混合高斯模型的背景建模方法，并對算法進行改進，提出了一種新的背景建模方法。由于攝像器材的抖動等因素造成的背景變化，傳統(tǒng)的混合高斯模型會將抖動的背景作為前景點從而造成誤檢，為了解決這個問題，本文做了兩點改進:1）在建立背景模型時，更可能多的利用圖像的紋理特征，增大像素點鄰域信息對模型的貢獻;2）前景點檢

3、測時，以當(dāng)前像素點所在的背景模型和其周圍n*n領(lǐng)域大小內(nèi)的背景模型共同決定（n一般取奇數(shù)）。實驗證明，本文的算法在WavingTrees和Fountain數(shù)據(jù)集上進行測試，具有良好的魯棒性能。
　　此外，本文在機器學(xué)習(xí)在目標檢測方面的應(yīng)用方面進行了研究，實現(xiàn)了svm分類器結(jié)合hog特征、adaboost分類器結(jié)合haar特征對車輛、行人的檢測，其中行人檢測應(yīng)用到TRECVID國際視頻檢測比賽中，取得了良好的效果。
　　為了驗