復(fù)雜場景下的運(yùn)動目標(biāo)檢測.pdf

1、視頻圖像的運(yùn)動目標(biāo)檢測是計(jì)算機(jī)視覺領(lǐng)域的一個重要的研究課題，把運(yùn)動目標(biāo)從實(shí)時變化的背景中快速、準(zhǔn)確的分離出來是對圖像進(jìn)一步分析處理的關(guān)鍵。在本課題中，我們要解決的問題是針對固定攝像機(jī)采集的視頻圖像，準(zhǔn)確地檢測和提取運(yùn)動目標(biāo)，以及檢測和去除影響運(yùn)動目標(biāo)檢測的運(yùn)動陰影。 本文首先分析總結(jié)了目前主要的運(yùn)動目標(biāo)檢測算法，并通過實(shí)驗(yàn)對塊匹配法、時域差分法、背景減除法和光流場法進(jìn)行分析，討論了各自適用的情況和優(yōu)缺點(diǎn)。 在此基礎(chǔ)上本文

2、著重對背景減除法進(jìn)行研究，提出了一種新的基于時間段劃分與歸并的背景建模方法。該方法的思想為：對視頻圖像中的每個象素點(diǎn)通過一個學(xué)習(xí)的過程，將該象素點(diǎn)在時間序列上的觀察值分到不同的組，值相近的歸到一組，觀察值個數(shù)最多的組的特征值作為此象素點(diǎn)的背景特征值。實(shí)驗(yàn)結(jié)果表明這種方法計(jì)算復(fù)雜度低，對于背景相對穩(wěn)定的場景均能有效的實(shí)現(xiàn)背景重建。為了使運(yùn)動目標(biāo)檢測算法能夠適應(yīng)復(fù)雜場景的情況，本文介紹并實(shí)現(xiàn)了高斯混合模型(GMM)背景建模的方法。在訓(xùn)練與測

3、試過程中引入了改進(jìn)的K-means聚類算法和優(yōu)先級匹配的算法。GMM在各種戶外場景中均取得了理想的檢測效果，同時實(shí)現(xiàn)了在線檢測。 針對陰影檢測，本文在原來基于HSV色彩空間的確定性非模型方法基礎(chǔ)上加以改進(jìn)，根據(jù)H、S、V三個色彩分量對陰影的作用不同，給三個分量設(shè)以不同的權(quán)值，有效的改善了陰影檢測效果，提高了運(yùn)動目標(biāo)檢測的準(zhǔn)確性。 實(shí)驗(yàn)結(jié)果表明，對于背景相對穩(wěn)定的場景，基于時間段劃分與歸并的背景建模法能很好的實(shí)現(xiàn)背景重建，