基于混合高斯與塊匹配算法的運動目標(biāo)檢測技術(shù)研究.pdf

1、分類號——UDC密級金亞學(xué)校代碼!Q壘窆Z武潷理歹大穿學(xué)位論文題目基王婆金高塹墨迭墮配簋溘的鎏邊旦盤撿型墊盔盟寶葉：t‘f1r、1‘1J’，”、’三廷jjl(叢曼墨曼量絲壘Qn塑QylngQ必曼坌!墨魚星!曼坌!!Q廷壘壘墨曼魚Qn塹亟墜墨曼!墾n題目叢i丕地盟叢Qd曼!壘墜亟旦!QQk幽亟!曼h△!gQd!h匹研究生姓名隘迪指導(dǎo)教師姓名—蘭過迸L一職稱—皇址學(xué)位——譴——一單位名稱自動垡堂瞳郵編壘3QQ2Q申請學(xué)位級別塑學(xué)科專業(yè)名稱揎

2、劍銎鱟生墨猩論文提交日期2Q12生5旦論文答辯日期2Q12生5月!墨旦學(xué)位授予單位盛墊壟墨盤鱟學(xué)位授予日期坐堡生叢答辯委員會主席噬廛塞評閱人丕蕓遂益蕉2012年5月摘要隨著視頻分析技術(shù)、多媒體數(shù)據(jù)庫、人工智能技術(shù)的發(fā)展，智能化視頻監(jiān)控逐漸成為安防領(lǐng)域的熱點話題。運動目標(biāo)檢測算法是智能視頻監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)之一，檢測結(jié)果直接影響著智能視頻監(jiān)控系統(tǒng)后續(xù)算法的處理效果。在眾多運動目標(biāo)檢測算法中，混合高斯背景建模方法具有背景變化自適應(yīng)性和背景模

3、型多模態(tài)表示兩大優(yōu)勢，因此獲得了研究者的廣泛關(guān)注。在混合高斯建模算法中，模型參數(shù)更新變量的選擇影響著算法的檢測效果。若能依據(jù)監(jiān)控對象運動狀態(tài)的不同，自適應(yīng)的更新模型參數(shù)的更新變量，可獲取較好的檢測效果。本文主要的研究內(nèi)容如下：研究了在運動目標(biāo)檢測研究領(lǐng)域獲得廣泛關(guān)注的三種算法：光流法、幀間差分法、背景減除法。在此基礎(chǔ)上，針對運動目標(biāo)檢測在復(fù)雜場景下的運用問題，詳細介紹了一種魯棒性較強的多模態(tài)算法——混合高斯建模算法，并針對混合高斯法計算

4、復(fù)雜度較高的問題，提出了合并相鄰高斯分布的改進方案。討論了基于特征匹配和基于亮度的運動估計算法，研究了運動估計算法在視頻壓縮編碼中的應(yīng)用。詳細介紹了運動估計算法中具有良好實時性和精確性的塊匹配算法，分析了塊匹配算法的匹配準(zhǔn)則與初始搜索點的選取策略，并對算法的搜索方法進行了研究。最后對運動矢量的時空相關(guān)性做出了闡述，利用運動矢量實現(xiàn)了對運動目標(biāo)運動趨勢的檢測。在混合高斯算法的檢測基礎(chǔ)上，提出一種結(jié)合模型關(guān)鍵變量的更新參數(shù)和運動目標(biāo)速度矢量