基于自適應(yīng)背景減除方法的運(yùn)動(dòng)目標(biāo)檢測.pdf

1、在計(jì)算機(jī)視覺領(lǐng)域，背景減除法被廣泛應(yīng)用于分割視頻序列中的運(yùn)動(dòng)目標(biāo)。隨著計(jì)算機(jī)視覺應(yīng)用的高速發(fā)展，早期單純基于時(shí)間域分割的單模態(tài)背景減除方法已經(jīng)無法滿足日益復(fù)雜的場景變化。自組織背景減除（SOBS）方法采用多個(gè)神經(jīng)元共同模擬背景像素的分布，并通過遞歸地傳播上下文實(shí)現(xiàn)時(shí)空域上的結(jié)合，該方法在很多視頻場景中都具有良好的檢測性能。然而，自組織背景減除方法也存在著參數(shù)設(shè)置困難，對離散背景變化適應(yīng)能力差的缺點(diǎn)。本研究提出了一種自適應(yīng)的方法對自組織背

2、景減除法存在的不足進(jìn)行了改進(jìn)。
　　由于自組織背景減除法過于依賴初始的參數(shù)設(shè)置，因此本研究提出的自適應(yīng)方法根據(jù)檢測過程中的反饋信息自適應(yīng)地調(diào)節(jié)模型更新率。該方法不需要經(jīng)驗(yàn)地選擇校準(zhǔn)幀，從而簡化了繁瑣的參數(shù)設(shè)置過程，并有效地提高了神經(jīng)元的收斂速度。
　　本研究分別采用基于局部梯度變化檢測的像素級驗(yàn)證方法與基于前景輪廓匹配的物體級驗(yàn)證方法解決自組織背景減除法存在的“死鎖”及“鬼影”現(xiàn)象。其中，像素級的驗(yàn)證方法能保持背景模型的空間