復(fù)雜背景下基于分層碼本模型的運(yùn)動(dòng)目標(biāo)檢測(cè)與陰影消除.pdf

1、背景差分法是解決運(yùn)動(dòng)目標(biāo)檢測(cè)問(wèn)題最常用的方法，該技術(shù)的關(guān)鍵在于背景模型的描述、背景初始化和更新。針對(duì)前人的研究成果，本文分析和歸納了基于背景建模的方法在運(yùn)動(dòng)目標(biāo)檢測(cè)中的發(fā)展和應(yīng)用，為在復(fù)雜背景下基于背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)的進(jìn)一步討論奠定了基礎(chǔ)。
　　本文從理論知識(shí)和算法實(shí)現(xiàn)上對(duì)混合高斯和ViBe兩種經(jīng)典背景建模方法進(jìn)行了詳細(xì)地討論，深入分析了它們?cè)诤须S機(jī)噪聲、不規(guī)則運(yùn)動(dòng)、鏡頭抖動(dòng)、動(dòng)態(tài)場(chǎng)景和陰影五種復(fù)雜背景的前景檢測(cè)效果，指出這

2、些方法遠(yuǎn)沒(méi)有完全解決復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)問(wèn)題。為了解決該問(wèn)題，本文在經(jīng)典碼本模型的基礎(chǔ)上重新設(shè)計(jì)了碼本描述子，并實(shí)現(xiàn)了基于分層碼本模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。實(shí)驗(yàn)部分驗(yàn)證了分層碼本描述子能夠有效應(yīng)對(duì)復(fù)雜背景，對(duì)上文提到的復(fù)雜背景的影響有較好的抑制效果；對(duì)比數(shù)據(jù)分析也表明本文方法比上述兩種背景建模方法得到了較高的檢測(cè)率和較低的誤檢率。此外，本文在探討了復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)問(wèn)題的基礎(chǔ)上，還給出了一種在YCbCr顏色空間下基于色度的陰影消