動態(tài)紋理背景下的運動目標(biāo)檢測.pdf

1、運動目標(biāo)檢測技術(shù)是視頻分析領(lǐng)域的一個重要課題，被廣泛應(yīng)用于視頻會議、遠(yuǎn)程教學(xué)、交通違章檢測、軍事勘察以及人機智能交互等領(lǐng)域。而在現(xiàn)實應(yīng)用中，由于存在大量外界環(huán)境干擾，例如當(dāng)背景中存在強烈的光照、雨水、搖曳的樹木，海面波浪等，這些動態(tài)的復(fù)雜背景對傳統(tǒng)的檢測方法產(chǎn)生了巨大的影響。因此，基于動態(tài)背景的運動目標(biāo)檢測已成為令人關(guān)注的具有挑戰(zhàn)性的研究課題。本文針對運動目標(biāo)與動態(tài)紋理背景之間的差異性，主要研究了以下內(nèi)容：
　　 1.本文采用了

2、一種基于平穩(wěn)小波變換和廣義Gamma分布的中心-周圍顯著性檢測方法。該方法利用中心-周圍顯著性來確定估計中心與周圍窗口的差異性，從而檢測出運動目標(biāo)，由于運動目標(biāo)和動態(tài)紋理背景在平穩(wěn)小波域中具有不同的特性，并能反映到區(qū)域廣義Gamma分布參數(shù)上，本文采用廣義Gamma分布估計在小波域的中心與周圍窗口參數(shù)，并通過對稱的Kullback-Leibler距離測量出中心與周圍窗口的差異性，最后，通過閾值法檢測運動背景中的運動的目標(biāo)。實驗結(jié)果驗證了

3、本文所提算法的有效性。
　　 2.基于自回歸滑動平均模型(ARMA)的運動目標(biāo)檢測。針對自回歸滑動平均模型能有效刻畫動態(tài)紋理這一優(yōu)點，采用基于ARMA模型與中心-周圍結(jié)構(gòu)相結(jié)合的運動目標(biāo)檢測方法，該方法首先對圖像幀進行高斯低通濾波，得到不同分辨率的圖像序列，然后利用最小二乘法估計每個圖像序列的ARMA模型參數(shù)，最后通過結(jié)合多個Kullback-Leibler距離求出運動目標(biāo)的顯著圖。仿真實驗驗證了所提出的方法在具有動態(tài)紋理背景的