基于多層背景建模的視頻對象分割算法研究.pdf

1、智能視頻監(jiān)控系統(tǒng)在許多領(lǐng)域得到應(yīng)用。一個典型的視頻監(jiān)控系統(tǒng)需要完成對視頻運動對象的分割、跟蹤和分析，而視頻運動對象分割被認為是系統(tǒng)中最為關(guān)鍵的一步。目標檢測中最為常用的一種方法是背景建模法，想要找到準確性高、效率高、魯棒性高，且能夠處理所有場景的背景建模方法并不容易。針對這一問題，本論文在結(jié)合Mean Shift理論、視頻圖像處理、碼本算法的基礎(chǔ)上，對視頻運動對象分割算法進行了研究，著重于提高算法對不同視頻序列的適應(yīng)性、準確度等，主要完

2、成了對視頻的多層背景建模和前景檢測。
　　本論文主要研究內(nèi)容如下：
　　(1)針對背景建模中的精確性、占用內(nèi)存大等問題，提出了一種基于Mean Shift和碼本的多層背景建模算法：首先對各個位置的像素灰度采樣值分別進行統(tǒng)計分析，具體是利用。Mean Shift算法對像素灰度采樣值進行聚類分析，選取若干個權(quán)重大的聚類中心建立碼本，即背景模型。然后利用建立好的背景模型對視頻運動對象進行分割，同時對背景模型進行不斷的更新。實驗結(jié)果

3、表明，由于背景建模中采用了多層背景模型，所以有效的提高了目標分割的準確性，實現(xiàn)了背景模型的有效壓縮，減少了對內(nèi)存的需求。
　　(2)針對動態(tài)背景下的視頻運動對象分割問題，實現(xiàn)自適應(yīng)的背景更新策略，提出了一種又粗到精的前景檢測方法。在背景建模階段，首先基于特征向量建立多層塊碼本模型，然后基于Mean Shift理論建立多層像素碼本模型，在這兩個碼本模型中，為每個碼元都增加了權(quán)重系數(shù)。在前景檢測階段，利用塊碼本濾除大部分背景，得到粗前

4、景，再通過像素碼本對粗前景細化，得到精確目標。本算法既利用了塊信息，有效地加快了視頻對象分割的處理速度，提高了算法的效率，而且同時利用像素信息，使視頻對象分割結(jié)果細化、更加精確，提高了視頻對象分割的精確度。實驗結(jié)果表明，該算法在靜態(tài)背景下的分割結(jié)果非常精確，在動態(tài)背景下，能夠十分完整的將運動目標分割出來。該算法適用于室內(nèi)監(jiān)控視頻序列、室外監(jiān)控視頻序列、單對象分割、多對象分割、動態(tài)背景分割等多種情況，視頻對象分割結(jié)果準確，能夠滿足視頻監(jiān)控