智能視頻監(jiān)控中運動目標(biāo)檢測和跟蹤方法研究.pdf

1、目前，智能視頻監(jiān)控在研究領(lǐng)域和應(yīng)用方面均面臨諸多問題，但同時也取得了不菲的碩果。本文在翻閱大量文獻和充分的實驗基礎(chǔ)上，著重研究了智能視頻監(jiān)控中最為重要的兩個步驟:運動目標(biāo)檢測和運動目標(biāo)跟蹤。主要工作內(nèi)容概括如下:
　　(1)對計算機視覺中常用的LBP紋理特征進行了闡述并且改進了LBP紋理特征描述算子。針對大量視頻局部紋理特征為小部分種類LBP算子所描述的特點，合并大量無效LBP算子為一類，并且整合了LBP紋理特征描述算子，使描述視

2、頻局部紋理特征的算子種類減少到58種，并且給出58種LBP統(tǒng)一模式所呈現(xiàn)的所有情況，并結(jié)合實際應(yīng)用給出了8位二進制LBP編碼到LBP統(tǒng)一模式的轉(zhuǎn)換碼表，從而為后續(xù)算法的提出和實現(xiàn)奠定了堅實的基礎(chǔ)。
　　(2)針對目前運動目標(biāo)檢測算法中普遍存在的問題——陰影檢測（陰影抑制），本文結(jié)合高斯混合背景模型提出了相應(yīng)的解決方案，提出了一種結(jié)合LBP紋理特征和色度信息的改進型運動目標(biāo)檢測算法，論文對視頻背景信息構(gòu)成進行了細(xì)致的研究分析，對經(jīng)過

3、高斯混合模型處理過的前景信息結(jié)合LBP紋理和色度信息進行相關(guān)處理，實驗發(fā)現(xiàn)該方法能較好的抑制陰影對目標(biāo)檢測算法的影響;
　　(3)針對核密度跟蹤算法中單一的目標(biāo)特征檢測算法提出了改進方法，提出了一種基于改進型多特征核密度跟蹤框架。該框架能適應(yīng)多種特征下的目標(biāo)多特征描述，利用各個特征描述建立的目標(biāo)子模型的線性疊加來表達核密度下的目標(biāo)模型和候選模型。結(jié)合對數(shù)似然函數(shù)建立了各個特征子模型動態(tài)權(quán)值的更新方式，優(yōu)先選擇前景、背景區(qū)分度好的特