實時場景下的運動目標檢測技術(shù)研究.pdf

1、近年來,隨著計算機技術(shù)的發(fā)展、圖像處理技術(shù)的提高,視頻監(jiān)控越來越廣泛地滲透到教育、政府、娛樂、醫(yī)療、運動、安全防衛(wèi)等領(lǐng)域。視頻監(jiān)控的首要問題是運動目標檢測,即從視頻圖像序列中提取出運動目標,運動目標檢測結(jié)果直接影響目標分類、跟蹤等處理的效果。因此研究運動目標檢測技術(shù)具有非常重要的意思。
　　 在運動目標檢測過程中受實時場景中很多因素的影響,比如攝像頭噪聲干擾、光線變化、運動的物體突然長時間的停留等,檢測結(jié)果經(jīng)常出現(xiàn)偏差。本文針對

2、目標檢測與跟蹤算法中所存在的主要問題進行了研究,并對相應的問題給出了解決方案。本文的主要研究工作如下:
　　 在圖像預處理方面,視頻圖像在采集、傳輸和記錄過程中受到各種噪聲的干擾,為了減少噪聲對后續(xù)操作的影響,必須對其讀入圖像進行預處理,濾除噪聲的干擾。傳統(tǒng)濾波方法只對某一種的噪聲濾除效果較佳,但對混合噪聲濾除效果不理想。因此,本文提出了自適應加權(quán)均值濾波算法。實驗仿真表明,該方法運算簡單,濾除混合噪聲的效果好、同時保留了圖像邊

3、緣細節(jié)。
　　 在運動目標檢測算法方面,本文對當前常用目標檢測算法進行了實驗仿真,并通過實驗結(jié)果總結(jié)了各自算法的優(yōu)勢和劣勢；針對對稱差分法無法完整地提取出運動目標的輪廓,目標內(nèi)部信息也丟失的比較嚴重,本文對其算法進行改進,提出了結(jié)合快速邊緣檢測的對稱差分運動目標檢測算法；當場景中出現(xiàn)光照突變、運動物體長時間的停留時,背景模型更新慢、結(jié)果也不理想。本文通過改進surendra背景模型更新算法,很好地解決了上述背景更新效果不佳的情況