基于視頻序列的運(yùn)動目標(biāo)檢測與陰影抑制算法研究.pdf

1、時至今日無論在工業(yè)檢測、交通導(dǎo)航和智能系統(tǒng)等諸多領(lǐng)域運(yùn)動目標(biāo)檢測已被廣泛應(yīng)用。目標(biāo)檢測為后續(xù)其動作識別、跟蹤以及行為理解等研究起到關(guān)鍵性作用。同時目標(biāo)所產(chǎn)生的陰影具有與陰影相同的運(yùn)動屬性，會被一起檢測出來從而降低檢測結(jié)果精度，因此進(jìn)行運(yùn)動目標(biāo)陰影抑制成為重中之重。所以本文其研究有著很大實(shí)際作用。
　　首先，本文研究了國內(nèi)外的目標(biāo)檢測與陰影抑制算法的發(fā)展現(xiàn)狀，并對其算法研究價值和意義進(jìn)行了分析。研究了目標(biāo)檢測的經(jīng)典算法:光流法，幀差

2、法以及背景差分法。對于其中涉及的中值濾波法、均值濾波法和高斯模型背景建模算法做了對比與分析。
　　其次，本文重點(diǎn)研究分析了混合高斯背景模型算法。分析傳統(tǒng)算法其弊端和不足，提出了一種改進(jìn)算法。針對不變的更新速率α提出了場景變換率概念，可以自動調(diào)節(jié)更新速率α;針對運(yùn)動目標(biāo)的運(yùn)動狀態(tài)發(fā)生改變時，提出幀差法與混合高斯模型互相結(jié)合的算法，對于畫面中運(yùn)動情況變化可以通過幀間差分法進(jìn)行判斷;針對場景中出現(xiàn)光照突變產(chǎn)生大面積誤檢的情況，引入歸一化

3、互相關(guān)系數(shù)來衡量當(dāng)前幀與背景幀之間的相關(guān)性，判斷并抑制光線突變現(xiàn)象。實(shí)驗(yàn)結(jié)果顯示，本文算法能較好彌補(bǔ)其傳統(tǒng)方法的不足。
　　最后，本文對陰影本身屬性進(jìn)行分析，分析目前常用陰影抑制方法其原理和優(yōu)缺點(diǎn)，提出一種基于混合高斯模型的陰影抑制方法。此算法根據(jù)陰影在HSV色彩空間其特性，對檢測出的運(yùn)動前景確定其是不是疑似陰影模型，再采用混合高斯陰影模型(GMSM)完成疑似陰影聚類處理，從而達(dá)到陰影抑制效果。實(shí)驗(yàn)結(jié)果顯示，本文方法能更準(zhǔn)確的進(jìn)行