基于圖像序列的運動目標檢測算法研究.pdf

1、運動目標檢測是計算機視覺領域的一個重要研究內容，它通過圖像處理的方法對圖像序列中的感興趣目標進行提取，在智能視頻監(jiān)控系統(tǒng)等領域具有舉足輕重的地位。主要有三大類方法：光流法、幀差法、背景建模法，其中基于背景建模法的運動目標檢測主要通過兩個步驟來實現(xiàn)：背景模型建立、背景模型更新，建模方式多種多樣，背景模型的實時更新能夠適應場景中的變化。這就使得背景建模法成為機器視覺領域的重要研究方向之一。
　　如何排除現(xiàn)實環(huán)境中復雜的背景、動態(tài)噪聲、

2、光照變化等干擾，實現(xiàn)運動目標的魯棒、快速的檢測，一直是研究者們致力解決的問題。本文主要研究了視頻序列中的運動目標檢測技術。
　　本文主要包括以下幾個方面的工作：
　?。?）研究了三類經典的目標檢測方法：光流法、背景建模法及幀間差分法，針對背景差分法介紹了兩種常見的背景建模方法。
　　（2）對CP3(Co-occurrence Probability based Pixel Pairs)算法的原理進行了詳細闡述，并對CP

3、3算法的優(yōu)缺點進行了分析。在不同場景的視頻檢測結果證明，CP3算法有效克服了光照突變、背景晃動等現(xiàn)象，與高斯混合建模GMM(Gaussian Mixtu re Model)算法相比，具有更高的檢測準確度和魯棒性。
　?。?）鑒于CP3算法的計算量大、實時性差，運動目標遮擋檢測不完全等問題提出了一種融合SLIC(Simple Linear Iterative Cluster)超像素和CP3算法的運動目標檢測方法(CPS，Co-occ

4、urrence Probability based Super Pixel Pairs)。該算法首先利用S LIC(Simple Linear Iterative Clustering)算法將當前幀分割為超像素集合，并對線性相關超像素對的亮度增量差進行了單高斯建模，構建線性相關背景模型。研究超像素分塊個數(shù)M對目標檢測效果的影響，確定了分塊個數(shù)M的最佳取值；研究關系緊密像素點Q的個數(shù)K的選取對目標檢測結果影響，確定了參數(shù)K的最佳取值。