基于高斯混合模型的運(yùn)動目標(biāo)檢測算法研究和應(yīng)用.pdf

1、基于視頻的運(yùn)動目標(biāo)檢測已經(jīng)廣泛應(yīng)用于視頻監(jiān)控、智能交通、視頻編碼、人機(jī)交互等領(lǐng)域。當(dāng)前，國內(nèi)外學(xué)者提出了很多目標(biāo)檢測算法，這些檢測算法在穩(wěn)定性、準(zhǔn)確性等方面已經(jīng)取得很好的效果，但是仍然存在很難適應(yīng)環(huán)境變化的影響，難以滿足實(shí)時(shí)性的要求的問題。因此，對運(yùn)動目標(biāo)檢測技術(shù)的研究仍然是一個具有挑戰(zhàn)性的課題。在智能交通監(jiān)控領(lǐng)域，傳統(tǒng)的視頻監(jiān)控系統(tǒng)只是實(shí)現(xiàn)了基本的視頻采集、存儲、錄像回放等功能，對于視頻的監(jiān)控只靠人工進(jìn)行。這不僅造成人力資源的浪費(fèi)，還

2、會出現(xiàn)漏檢、誤檢等事故。因此，對智能交通監(jiān)控系統(tǒng)的研究具有十分重要的意義。
　　本文研究了基于高斯混合模型的目標(biāo)檢測算法，介紹了目標(biāo)檢測過程中的序列圖像的預(yù)處理、分割、特征提取和目標(biāo)識別四個步驟。在此基礎(chǔ)上對高斯混合模型進(jìn)行改進(jìn)和優(yōu)化，并將改進(jìn)后的算法應(yīng)用到智能交通監(jiān)控系統(tǒng)中。論文主要工作如下:
　　首先介紹了基于視頻的運(yùn)動目標(biāo)檢測算法的研究背景和研究意義，分析了當(dāng)前目標(biāo)檢測技術(shù)存在的主要問題。然后詳細(xì)介紹幾種典型的運(yùn)動目標(biāo)

3、檢測算法并對這些算法的性能進(jìn)行對比。剖析經(jīng)典的高斯混合模型背景建模算法，重點(diǎn)分析了怎樣利用高斯混合模型進(jìn)行背景建模、背景模型的初始化、提取視頻圖像中運(yùn)動前景信息，以及如何利用數(shù)學(xué)形態(tài)學(xué)的方法對前景的信息進(jìn)行處理、得到有效的運(yùn)動目標(biāo)的方式和方法。針對高斯混合模型建模量大，算法復(fù)雜度高，且不能滿足視頻監(jiān)控實(shí)時(shí)性的問題，提出了基于超像素點(diǎn)聚類分塊的改進(jìn)高斯混合模型。該模型將每個視頻幀的像素點(diǎn)進(jìn)行分區(qū)域處理，利用SLIC算法提取視頻幀中的超像素