視頻信息處理中目標場景的自適應提取.pdf

1、本文綜合運用了圖像處理與模式識別、自適應控制等相關(guān)理論和技術(shù)，在智能視頻交通系統(tǒng)國際合作項目應用背景下，研究了視頻信息處理技術(shù)在光照變化、下雨天、多運動目標等復雜背景環(huán)境下目標場景的自適應提取方法。研究了兩種基于非線性濾波理論的目標場景自適應提取算法：漸消記憶遞歸最小二乘法和自適應中值濾波算法(AMF算法)。利用這兩種算法進行目標場景提取，考察了算法在目標場景提取中的訓練速度、收斂情況和目標場景提取效果，并對不同場景進行了自

2、適應提取實驗。這兩種方法硬件實現(xiàn)簡單，特別是AMF算法計算量少、提取速度快，具有很好的魯棒性。研究了利用幀間差分原理進行目標場景自適應提取的兩種算法：Surendra算法和二次更新算法。分析了這兩種算法的原理和特點，編寫了對應的算法程序，進行目標場景自適應提取實驗。實驗結(jié)果表明這兩種算法有較快的場景背景重建和更新速度，特別二次更新算法在場景突變方面有很快的適應能力。研究了運用高斯混合模型(MOG算法)進行目標場景自適應提取的

3、方法。分析了該算法的模型匹配原理，并應用該算法設計了相應的程序結(jié)構(gòu)，采用實際的室內(nèi)外視頻圖像來驗證該算法的目標場景提取性能。最后，本文依據(jù)實際工程項目應用所關(guān)心的目標場景提取的實時性、準確性、魯棒性和實用性，重點通過多個視頻場景對各種算法進行了綜合性能的比較，并提供了具體的實驗數(shù)據(jù)結(jié)果和參考方案。實驗結(jié)果同時表明對這些算法的研究具有很好的實際效果。本文還利用Visual C++編程平臺，開發(fā)了利用這些算法進行目標場景自適應