自適應(yīng)混合高斯目標(biāo)檢測方法研究.pdf

1、近年來，計算機視覺技術(shù)已廣泛應(yīng)用于社會各個領(lǐng)域，如智能監(jiān)控系統(tǒng)、交通檢測、自動制導(dǎo)等領(lǐng)域。由于運動目標(biāo)檢測技術(shù)是計算機視覺技術(shù)中的關(guān)鍵且基礎(chǔ)的工作，也就是說，運動目標(biāo)檢測的好壞將直接影響到接下來的關(guān)鍵環(huán)節(jié)，例如識別、分類、跟蹤、以及行為分析，所以對運動目標(biāo)檢測的研究是十分必要的。
　　目前大多數(shù)目標(biāo)檢測方法采用基于背景建模的方法，其中人們最常用的是利用混合高斯模型進(jìn)行背景建模。該方法可以很好地處理多模態(tài)的場景，如枝葉搖曳和波動的水

2、面等，但是在實際的目標(biāo)檢測過程中，由于光照變化的影響，該方法不能自適應(yīng)更新背景模型，同時，在光照下會使運動目標(biāo)產(chǎn)生陰影，導(dǎo)致檢測結(jié)果不準(zhǔn)確。另外，由于該方法自身存在每個像素采用固定的模型個數(shù)引起計算量大。同時檢測到的運動目標(biāo)產(chǎn)生拖影。針對以上存在的問題提出了解決方法，本文所作的主要研究內(nèi)容如下：
　　1)光照變化分為全局光照變化與局部光照變化。本文提出衡量全局光照變化程度的光照因子和引入判斷局部光照變化程度的光照變化參數(shù)，通過兩者

3、相結(jié)合來劃分出不同光照變化，然后采用自適應(yīng)的學(xué)習(xí)率來滿足各種光照變化，實現(xiàn)了背景模型自適應(yīng)更新。實驗結(jié)果表明，該方法在光照變化下會準(zhǔn)確地檢測到運動目標(biāo)。在光照下運動目標(biāo)會產(chǎn)生陰影，簡單且有效的方法是基于色度方法去除陰影。但當(dāng)與背景區(qū)域顏色相近的陰影并不能去除。由于梯度特征具有光照不變性，故提出一種融合梯度特征的基于色度方法，利用色度信息與梯度信息相融合來提取出運動目標(biāo)。與基于色度方法做對比，實驗結(jié)果表明，改進(jìn)的基于色度方法可以更好地去除