基于脈沖耦合神經(jīng)網(wǎng)絡的運動目標檢測算法研究.pdf

1、近年來，隨著信息化進程的推進和人民生活水平的提高，人們對智能監(jiān)控系統(tǒng)的需求越來越迫切。智能監(jiān)控系統(tǒng)的目的是讓系統(tǒng)自動的進行物體檢測、識別、跟蹤和行為理解，它在增強社會安全方面有很大的潛在價值。運動目標檢測是智能視頻監(jiān)控系統(tǒng)中視頻處理的第一步，具有非常重要的地位，同時也是一個技術(shù)上的熱點和難點。
　　 對于固定攝像頭監(jiān)控系統(tǒng)，常用的運動目標檢測算法有幀間差法、光流法、背景減除法等。本文在研究經(jīng)典算法的基礎上，提出了基于脈沖耦合神經(jīng)

2、網(wǎng)絡(PCNN)的運動目標檢測方法，并對其基礎算法進行了改進，主要開展了如下研究工作：
　　 1.考慮到大部分監(jiān)控原始圖像噪點較多，不宜直接提取目標，本文提出了一種改進的中值濾波去噪方法，該方法能在有效消除脈沖噪聲的同時保留圖像的紋理信息。
　　 2.總結(jié)幀間差法、光流法、高斯混合背景建模法的算法原理，并通過實驗對比，分析了經(jīng)典算法中存在的問題及其適用的環(huán)境。
　　 3.詳細論述了PCNN的數(shù)學模型與工作原理，針

3、對高斯混合背景建模法背景建模速度慢、不能兼顧像素點空間相關(guān)性等缺陷，本文提出了基于PCNN的運動目標檢測算法，設計了基于簡化PCNN模型的運動目標檢測算法流程。通過實驗結(jié)果可知，該算法較傳統(tǒng)算法有背景建模快、抗干擾性強等優(yōu)良特性。
　　 4.針對PCNN參數(shù)復雜難以選擇的問題，本文提出利用最優(yōu)家族遺傳算法(OFGA)優(yōu)化PCNN參數(shù)的算法，并結(jié)合PCNN參數(shù)特點改進了遺傳算子，進一步提高了參數(shù)優(yōu)化下頻率。通過與GA參數(shù)優(yōu)化算法的