基于非參數(shù)化的背景減除技術研究.pdf

1、背景減除技術是計算機視覺的核心問題之一。雖然已經有了豐富的研究成果和應用,但仍然存在很多困難有待優(yōu)化解決。場景中的不可預測因素,如動態(tài)背景、運動陰影、光照變化等都會影響背景前景的正確分類,使得后續(xù)處理如目標識別、分類、跟蹤等變得困難?；跇颖镜姆菂?shù)背景減除算法,由于不需要對場景進行假設,使得這類方法較為通用。本文以視頻監(jiān)控場景下的背景減除技術為研究目標,嘗試解決動態(tài)背景、運動陰影等問題,采用基于樣本的非參數(shù)化的方法,通過鄰域信息對動態(tài)

2、背景進行抑制,結合陰影顏色局部一致性理論和紋理相似性分析的方法對運動陰影進行抑制。本文的主要研究內容和創(chuàng)新點如下:
　　 (1)首先對當前研究進行總結,本文歸納分析了視頻監(jiān)控場景下的背景減除技術的關鍵問題和分類方法,并對當前的經典背景減除技術進行研究和分析,重點分析了混合高斯背景模型,碼本背景模型,非參數(shù)核密度估計背景減除方法。
　　 (2)在背景模型方面,本文重點研究了一種基于樣本的非參數(shù)背景減除算法:ViBe算法。分

3、析了該算法的像素模型,分類過程,初始化方法及更新策略。本文簡化了原有的分類過程,結合鄰域信息進行動態(tài)背景抑制,利用統(tǒng)計第二幀前景像素在開始一段時間分類為前景的頻率進行初始“鬼影”抑制,從而加速“鬼影”的退化速度。實驗表明本文算法在動態(tài)背景抑制方面有較好的效果。
　　 (3)在運動陰影抑制方面,本文研究了陰影顏色局部一致性理論和中心對稱局部二值模型(CS-LBP)紋理分析方法,采用基于梯度空間連接鄰域的方法對前景區(qū)域進行分割,使用