運動目標檢測中的光照處理.pdf

1、近年來，隨著數(shù)字圖像處理技術(shù)和數(shù)字電路技術(shù)的蓬勃興起，智能視頻監(jiān)控開始廣泛應用于生活的各個方面。相比傳統(tǒng)監(jiān)控，智能視頻監(jiān)控系統(tǒng)有著省時、省力等特點。雖然目前對智能視頻監(jiān)控系統(tǒng)的研究和應用取得一定成效，但依然存在一些問題，比如光照會對智能視頻監(jiān)控系統(tǒng)的初始階段的運動目標提取帶來陰影，陰影就會影響運動目標檢測的正確率。背景建模和目標檢測算法是該研究課題的理論基礎，如何建立比較好的背景模型和運動目標提取算法是解決該問題的關鍵。目前比較好的方法

2、有混合高斯模型、ViBe模型等。因為相對于混合高斯模型，ViBe模型有著實時高效性、占用內(nèi)存少等特點，所以，本文選取了ViBe模型作為實驗的基礎理論模型。本文依托 ViBe模型，在處理光照問題中的鬼影和陰影問題時做了如下工作：
　　（1）對背景建模前的預處理和運動目標提取后的形態(tài)學處理、圖像邏輯運算進行了研究。其中，在預處理中，對各種濾波處理進行相關的數(shù)值實驗；在形態(tài)學處理中，結(jié)合相關實驗結(jié)果的圖像分別對腐蝕、膨脹、開運算、閉運算

3、進行了研究；在圖像邏輯運算中，對“與”、“或”、“非”運算進行了研究。
　?。?）針對 ViBe模型檢測出來的前景存在鬼影現(xiàn)象，引入了二值化和邊緣提取理論。通過對前景目標所對應的當前幀進行大津法的二值化處理，對二值化處理后的圖像和前景目標圖像進行邏輯與運算，能有效地消除一部分鬼影。針對殘留后的鬼影圖，對當前幀進行Sobel邊緣檢測，然后對邊緣檢測圖像進行膨脹處理，膨脹處理后的圖像與鬼影殘留圖進行邏輯與運算，可最終消除鬼影。

4、　　（3）針對ViBe模型檢測出來的前景存在陰影現(xiàn)象，引入HSV顏色空間和平均法?；贖SV顏色空間去除陰影方法需要前景目標圖像所對應的當前幀的RGB圖像和背景的RGB圖像，而ViBe模型中又不存在背景，于是采用平均法提取背景圖像。對當前幀的RGB圖像和背景的RGB圖像進行HSV圖像轉(zhuǎn)化，通過轉(zhuǎn)化后的相應H、S、V分量閾值判斷，從而消除陰影。
　?。?）針對 ViBe模型檢測出來的前景同時存在鬼影和陰影現(xiàn)象，提出了一種改進的ViB