視頻監(jiān)控中的運(yùn)動目標(biāo)檢測算法研究與實(shí)現(xiàn).pdf

1、運(yùn)用目標(biāo)提取算法從連續(xù)視頻圖像中提取并優(yōu)化運(yùn)動目標(biāo)，是運(yùn)動跟蹤、目標(biāo)識別、視頻監(jiān)控、視頻摘要、三維重建等問題的關(guān)鍵環(huán)節(jié)，由于其廣泛的應(yīng)用及本身的復(fù)雜性，運(yùn)動目標(biāo)檢測已成為當(dāng)前模式識別和機(jī)器視覺的熱點(diǎn)問題之一。
　　本文依托重慶市科技攻關(guān)項(xiàng)目《嵌入式WEB監(jiān)控視頻摘要生成及其快速瀏覽關(guān)鍵技術(shù)研究和開發(fā)》（CSTC2009AC2057），研究動態(tài)場景中的運(yùn)動目標(biāo)檢測，該問題不僅是視頻監(jiān)控的核心，更是系統(tǒng)中后期操作的基礎(chǔ)與關(guān)鍵。其目標(biāo)檢

2、測的準(zhǔn)確與否決定了頭部檢測、運(yùn)動跟蹤、視頻摘要等各種后續(xù)處理的效果，因此成為項(xiàng)目研究中的一項(xiàng)重要課題。但目前流行的運(yùn)動目標(biāo)檢測算法在處理光照變化、背景擾動、運(yùn)動目標(biāo)與背景相似等實(shí)際問題時(shí)，往往難以取得良好的應(yīng)用效果。針對上述問題，本文的主要工作和創(chuàng)新點(diǎn)如下：
　　首先對運(yùn)動目標(biāo)檢測的基本算法進(jìn)行了分析與實(shí)現(xiàn)，針對高斯混合模型和碼本模型兩種流行的背景相減法的不足提出了改進(jìn)策略。對于高斯混合背景模型，采用梯度序列代替?zhèn)鹘y(tǒng)的亮度序列計(jì)算

3、模型中的概率估計(jì)，提取更加清晰的目標(biāo)輪廓，同時(shí)建立高斯概率密度分布的查找表以降低目標(biāo)像素點(diǎn)與背景模型的匹配時(shí)間，最后引入像素點(diǎn)的空間分布一致性去除錯誤檢測，提高目標(biāo)檢測的準(zhǔn)確性。在碼本背景模型中，采用YUV空間代替RGB空間，降低碼本背景模型的光照敏感性，同時(shí)在新的YUV空間采用球狀碼元模型改進(jìn)原RGB顏色空間的圓柱碼元模型，提高了算法的魯棒性。
　　其次，本文采用陰影剪除、形態(tài)學(xué)處理、graphcut、區(qū)域連通標(biāo)號等技術(shù)作為后驗(yàn)

4、優(yōu)化操作，剪除目標(biāo)陰影、剔除復(fù)雜場景的干擾噪聲、去除目標(biāo)邊緣毛刺，從而得到更加清晰的運(yùn)動目標(biāo)輪廓，為系統(tǒng)后續(xù)處理提供了準(zhǔn)確的運(yùn)動目標(biāo)信息。
　　最后，本文結(jié)合面向?qū)ο蟮能浖O(shè)計(jì)方法，使用MATLAB仿真和VC++開發(fā)平臺對運(yùn)動目標(biāo)檢測模塊進(jìn)行了設(shè)計(jì)與實(shí)現(xiàn)。并針對運(yùn)動目標(biāo)檢測的各種算法，制定了一套系統(tǒng)的評估框架，定量分析不同方法的優(yōu)缺點(diǎn)。實(shí)驗(yàn)測試和開發(fā)的前期效果證明了本文改進(jìn)的前景提取算法不僅提高了運(yùn)動目標(biāo)檢測的準(zhǔn)確性，而且具有良好