自適應閾值的運動目標檢測技術研究.pdf

1、隨著計算機視覺技術的快速發(fā)展,智能視頻監(jiān)控系統(tǒng)作為安全防衛(wèi)的一個重要手段在社會生活的各個方面有著廣泛的應用前景,快速而準確地檢測出運動目標是實施視頻監(jiān)控的前提和關鍵。因此,運動目標檢測已成為計算機視覺領域一個越來越熱門的研究課題。
　　 在運動目標檢測中,對差分圖像自適應地選取最佳閾值是其中非常重要的一個步驟。本文以差分圖像的自適應閾值分割為研究重點,主要研究工作如下:
　　 1.在攝像機靜止的情況下,對道路上的車輛和行

2、人進行目標檢測,采用最大類間方差法(Otsu)實現(xiàn)了差分圖像全局閾值的自適應選取,實驗結果表明該方法能較好地分割出運動目標。
　　 2.針對場景中行人目標所占比例過小的情況,對差分圖像分割時提出了改進的局部自適應閾值算法。首先建立積分圖,然后遍歷所有像素得到像素點的空間鄰域信息,最后在閾值判別式中引入局部方差從而進行二值化操作。實驗結果表明基于積分圖的局部自適應閾值算法比全局閾值的一維最大類間方差法(Otsu)更能精確地檢測出小

3、運動目標。
　　 3.在戶外交通環(huán)境下,攝像頭因為外界因素的影響并不能保持靜止,所以視頻幀會出現(xiàn)不規(guī)則抖動,而且由于復雜背景中物體的變化,傳統(tǒng)的運動目標檢測方法和混合高斯算法都不能有效地檢測出運動車輛。針對上述問題,提出了一種基于分解的三維最大類間方差法(Otsu)結合隔幀對稱差分的運動車輛檢測方法。首先通過隔幀對稱差分法得到兩個差分圖像,再對這兩個差分圖像采用基于分解的三維Otsu法閾值分割,最后對這兩個二值圖像采用數(shù)學形態(tài)學

4、濾波后求交集得到運動車輛目標。實驗結果表明,該方法在視頻幀出現(xiàn)不規(guī)則抖動的情況下能實時和精確地檢測出運動車輛。
　　 4.針對場景中目標密集出現(xiàn)的情況,提出了改進的基于最陡上升法的三維最大類間方差法(Otsu)結合混合高斯背景建模的運動車輛檢測方法。首先采用混合高斯模型來建立背景并自適應更新,很好的解決了背景差分法中由于光線變化、物體干擾等動態(tài)因素引起的背景失效問題。在當前幀與背景幀作差分運算后,采用改進的基于最陡上升法的三維O