面向智能視頻監(jiān)控的高動(dòng)態(tài)場(chǎng)景建模和修復(fù).pdf

1、在智能視頻監(jiān)控中,場(chǎng)景建模和修復(fù)是目標(biāo)檢測(cè)和場(chǎng)景理解的核心內(nèi)容。計(jì)算機(jī)視覺(jué)科技的進(jìn)步使得背景建模的算法日臻成熟,對(duì)于普通場(chǎng)景中的前景物體變化都能做到較為準(zhǔn)確的識(shí)別。但在視頻監(jiān)控中常常存在著一些復(fù)雜高動(dòng)態(tài)的場(chǎng)景,其中前景在時(shí)域和空域中的比例都要大于背景,目前流行的背景建模算法難以做到實(shí)時(shí)、準(zhǔn)確地建模。針對(duì)此問(wèn)題,本文提出了一種基于“像素-模型”(Pixel to Model,P2M)距離的無(wú)參數(shù)背景模型。本論文在學(xué)術(shù)上的主要貢獻(xiàn)如下。

2、r>　　1.本文提出了一種全新的像素表達(dá)框架:基于壓縮感知的理論,利用圖像中各點(diǎn)上下文信息,通過(guò)提取局部特征的方式來(lái)對(duì)中心像素進(jìn)行建模。本文分析了之前多種基于色彩值的背景建模方式,針對(duì)其局限性提出了引入空域信息對(duì)像素點(diǎn)進(jìn)行建模的方法,并使用壓縮感知的方法解決其面臨的巨大計(jì)算量的問(wèn)題,將廣義的Haar-like特征引入背景建模,完成本文背景建模中像素點(diǎn)的特征表達(dá)。通過(guò)引入基于紋理和邊緣的圖像上下文信息,本文的背景模型在前景檢測(cè)上比單像素色

3、彩模型更為準(zhǔn)確,在監(jiān)控行業(yè)常見(jiàn)的高動(dòng)態(tài)場(chǎng)景中的魯棒性也有所提高。
　　2.針對(duì)先前的“像素-像素”背景建模方法的不足,本文提出了“像素-模型”距離的概念,以量化像素點(diǎn)和背景模型之間的相似度。該量化方式是本文前景分割和模型更新的基礎(chǔ)。同時(shí),本文使用了最小和最大“像素-模型”距離來(lái)對(duì)像素點(diǎn)以及其鄰域像素點(diǎn)的背景模型進(jìn)行更新,并對(duì)其中一些參數(shù)的自適應(yīng)性做了推導(dǎo)和說(shuō)明。在復(fù)雜高動(dòng)態(tài)環(huán)境的前景分割實(shí)驗(yàn)中,該模型優(yōu)于主流的四種背景建模方法;在