基于視頻序列的運動目標檢測與陰影消除研究.pdf

1、基于視頻序列的運動目標分析技術(shù)被廣泛應(yīng)用到智能視頻監(jiān)控、地形匹配、圖像導(dǎo)航制導(dǎo)、人體運動細節(jié)分析、人工智能等領(lǐng)域。其中運動目標檢測是運動目標分析技術(shù)的最底層,屬于基礎(chǔ)性工作,準確的從視頻圖像中提取出完整的運動目標是后續(xù)視頻圖像運動分析能否順利進行的關(guān)鍵。國內(nèi)外研究人員對運動目標檢測的相關(guān)技術(shù)做了很多詳細而深入的研究,并取得了許多效果不錯的方法。運動目標檢測技術(shù)的各種實現(xiàn)算法是目前研究人員重點關(guān)注的研究內(nèi)容之一。
　　首先,本文闡述

2、了課題的研究背景和意義,并對相關(guān)領(lǐng)域研究的現(xiàn)狀和發(fā)展趨勢進行了綜述。對運動目標分析技術(shù)的整個流程做了概述,重點介紹了目標檢測、陰影的檢測和消除、圖像噪聲消除等相關(guān)算法。
　　其次,本文重點對基于背景建模的目標檢測算法進行了分析研究,試圖從中發(fā)現(xiàn)問題并提出改進方法。對于背景模型的直接提取法、統(tǒng)計平均法、W4背景建模法、單高斯背景建模法以及混合高斯背景建模法進行了分析研究。傳統(tǒng)混合高斯背景模型初始化背景幀時要求背景場景中沒有運動物體,

3、否則往往會把運動的物體放入到背景模型中,針對這一弊端,本文在背景幀初始化時使用中值濾波法,實現(xiàn)即使在背景場景中存在運動物體時也可以準確的獲取初始幀。傳統(tǒng)混合高斯背景模型更新時,模型參數(shù)均值和方差的更新系數(shù)都取同一個值,這樣會導(dǎo)致背景模型的收斂性和穩(wěn)定性得不到滿足,本文也提出了一種改進方法。在混合高斯背景模型的訓(xùn)練初期,新方法讓均值和方差的更新率都取較大值,這樣使得模型均值和方差更新速度變快,使得模型學(xué)習(xí)速度加快,快速得到與真實背景相符的

4、背景模型;在以較大更新率訓(xùn)練一段時間以后,讓均值更新率不變,方差更新率變得較小,這樣背景模型就不會有太大的波動,穩(wěn)定性能更好。
　　最后,因為陰影屬性和背景屬性的差別以及陰影和運動目標有相同的運動特性,在目標檢測過程中,陰影總會伴隨著運動目標。本文對基于統(tǒng)計、色彩特征不變量、顏色模型的陰影消除方法進行了分析研究,針對HSV色彩空間的陰影消除算法能準確消除陰影但是計算量大的問題,提出一種改進方法,能夠減小計算量,提高實時性,經(jīng)過實驗