動(dòng)態(tài)場(chǎng)景下基于空時(shí)顯著性的運(yùn)動(dòng)目標(biāo)檢測(cè)研究.pdf

1、改進(jìn)了一種基于混合動(dòng)態(tài)紋理的空時(shí)顯著性方法，并將其應(yīng)用到運(yùn)動(dòng)目標(biāo)檢測(cè)之中。該方法首先利用混合動(dòng)態(tài)紋理(MDT)對(duì)高動(dòng)態(tài)背景進(jìn)行建模，然后基于中心\鄰域的框架利用時(shí)空信息計(jì)算顯著性圖。對(duì)顯著性圖進(jìn)行適當(dāng)?shù)拈撝堤幚?，即得到運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明，本文提出的方法能夠有效地改善運(yùn)動(dòng)目標(biāo)檢測(cè)的精度。
　　顯著性是當(dāng)前計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一，它模擬人眼視覺注意和信息處理機(jī)制，設(shè)計(jì)類似的顯著性計(jì)算模型。到目前為止，針對(duì)靜態(tài)圖像已有

2、較為成熟的顯著區(qū)域提取方法。顯著性不考慮全局特征的變化，而重點(diǎn)關(guān)注局部特征對(duì)比，將其擴(kuò)展到對(duì)于視頻中運(yùn)動(dòng)目標(biāo)的處理，能夠避免在動(dòng)態(tài)場(chǎng)景下建立運(yùn)動(dòng)補(bǔ)償模型的難題。
　　運(yùn)動(dòng)檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)經(jīng)典問題。高動(dòng)態(tài)背景與相機(jī)運(yùn)動(dòng)是該任務(wù)的兩個(gè)難點(diǎn)?？諘r(shí)顯著性檢測(cè)，已被應(yīng)用到運(yùn)動(dòng)目標(biāo)檢測(cè)中，且被證明具有對(duì)高動(dòng)態(tài)背景和相機(jī)運(yùn)動(dòng)魯棒的特點(diǎn)。
　　本文首先回顧了顯著性算法的研究現(xiàn)狀，這些算法可以籠統(tǒng)的分為3類：基于底層特征、基于圖像復(fù)

3、雜度和基于生物視覺模型的。然后闡述了與顯著性有關(guān)的重要的生物學(xué)基礎(chǔ)，從這些生物學(xué)上的工作機(jī)制，我們提出了顯著性算法設(shè)計(jì)基本原則。本文也回顧了經(jīng)典的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，并提出了一種基于混合動(dòng)態(tài)紋理的空時(shí)顯著性方法來檢測(cè)動(dòng)態(tài)場(chǎng)景下的運(yùn)動(dòng)目標(biāo)。
　　本文的主要工作和創(chuàng)新點(diǎn)有：
　　（1）綜述了顯著性算法研究的國(guó)內(nèi)外進(jìn)展，分析常用算法的優(yōu)缺點(diǎn)和應(yīng)用場(chǎng)景；
　　（2）實(shí)現(xiàn)幀差法，W4，GMM等運(yùn)動(dòng)目標(biāo)檢測(cè)算法，并通過實(shí)驗(yàn)分析提出了