動態(tài)視頻背景更新方法研究.pdf

1、近年來,視頻監(jiān)控由于其在生產(chǎn)生活中的重要性,越來越受到人們的重視。交通安全、公安破案、生產(chǎn)安全、商場安保、小區(qū)安保,視頻監(jiān)控遍及生產(chǎn)生活的各個方面。而運動目標檢測作為視頻監(jiān)控的重要目標,成為研究的重點。運動目標檢測的目的是從視頻序列中尋找變化的區(qū)域,從而分離出運動目標。對變化區(qū)域的有效分割是后期目標識別,目標跟蹤和行為理解的基礎。因此目標檢測的效率和效果對視頻的后期處理至關重要。背景差法作為動態(tài)視頻中簡單有效的運動目標檢測方法,在交通監(jiān)

2、控,銀行監(jiān)控等方面得到推廣,在行為分析和視覺檢測中也是重要的輔助手段。背景差法包括了視頻圖像預處理、背景建模、運動目標檢測和背景更新這四個主要步驟。背景差法中,運動目標檢測的關鍵是完整穩(wěn)定背景的獲取,所以動態(tài)視頻背景的更新成為研究的重點。
　　本文首先對傳統(tǒng)的背景差法進行了詳細全面的介紹,并且分析了幾種典型背景差法的原理和優(yōu)缺點。針對大流量交通環(huán)境下,運動目標提取問題,提出了一種基于像素檢測的類中值濾波預測方法。此方法使用了雙閾值

3、閾值分割法作為前景檢測方法,并利用細菌覓食優(yōu)化算法對其進行優(yōu)化,提高計算速度,運動目標分割效果提升明顯,基本滿足了實時監(jiān)控的要求。針對快速交通情況提出了一種基于分塊分類的Kalman濾波背景更新優(yōu)化算法,提出了二級分塊下三級分類的背景更新模型,獲得了較好視頻背景。兩種方法各有優(yōu)缺點,前者計算量較大,對硬件有一定要求,適用于處理車輛行駛緩慢,車輛有暫停的情況,而后者計算量小,視頻處理速度快,硬件要求較低,適用于快速交通情況。
　　本