視頻圖像中的運動目標(biāo)檢測方法研究.pdf

1、運動目標(biāo)檢測是計算機視覺領(lǐng)域的一個重要分支與基礎(chǔ)，在交通流量的監(jiān)測、安全監(jiān)控、軍事制導(dǎo)、視覺導(dǎo)航以及視頻編碼中占著舉足輕重的地位，具有廣泛的應(yīng)用前景，并成為計算機視覺領(lǐng)域一個研究熱點。為了精確的進行目標(biāo)識別、跟蹤、行為理解，必須從視頻序列中準(zhǔn)確的檢測出運動目標(biāo)，然而由于真實環(huán)境的復(fù)雜多樣以及運動目標(biāo)檢測本身的復(fù)雜性，高精度的檢測運動目標(biāo)仍然面臨著很大的挑戰(zhàn)。本文在綜合已有研究的基礎(chǔ)上，針對靜止背景下運動目標(biāo)檢測進行研究。
　　針對

2、不同的監(jiān)視場景，運動目標(biāo)檢測算法也不盡相同。在分析傳統(tǒng)運動目標(biāo)檢測方法原理的基礎(chǔ)上，通過實驗對幀間差分法和背景差分法進行對比分析。背景差分法可提取高精度運動目標(biāo)，而背景的好壞直接影響檢測目標(biāo)的準(zhǔn)確度，為此著重研究了背景差分法中背景的建立與更新方法。本文采用原理簡單的多幀平均法，通過融入視頻幀間相關(guān)性的單高斯背景建模、混合高斯背景建模、Surendra背景建模法來提取背景，并編程驗證了每種方法獲的背景質(zhì)量。在混合高斯模型背景更新問題上，結(jié)

3、合已有研究，克服了模型學(xué)習(xí)率與收斂性不足的的缺點，采用多種參數(shù)學(xué)習(xí)率，使得建立出來的背景更準(zhǔn)確、更及時地反映真實的背景圖像。
　　本文克服幀間差分法和背景差分法的不足，將兩種算法有機結(jié)合，最后編程論證了單高斯三幀結(jié)合、混合高斯幀間結(jié)合、單高斯多幀前景檢測、對稱幀差法、幀間差分與邊緣檢測結(jié)合五種檢測目標(biāo)方法。實驗結(jié)果證明，在背景相對穩(wěn)定的場景，每種方法都能較好的檢測出目標(biāo)存在與否，并能得出目標(biāo)形狀、大小、位置等較全面的信息，實現(xiàn)了對