智能視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)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(wèn)題，但同時(shí)也取得了不菲的碩果。本文在翻閱大量文獻(xiàn)和充分的實(shí)驗(yàn)基礎(chǔ)上，著重研究了智能視頻監(jiān)控中最為重要的兩個(gè)步驟:運(yùn)動(dòng)目標(biāo)檢測(cè)和運(yùn)動(dòng)目標(biāo)跟蹤。主要工作內(nèi)容概括如下:
　　(1)對(duì)計(jì)算機(jī)視覺(jué)中常用的LBP紋理特征進(jìn)行了闡述并且改進(jìn)了LBP紋理特征描述算子。針對(duì)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(diǎn)，合并大量無(wú)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(shí)際應(yīng)用給出了8位二進(jìn)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(shí)現(xiàn)奠定了堅(jiān)實(shí)的基礎(chǔ)。
　　(2)針對(duì)目前運(yùn)動(dòng)目標(biāo)檢測(cè)算法中普遍存在的問(wèn)題——陰影檢測(cè)（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(jìn)型運(yùn)動(dòng)目標(biāo)檢測(cè)算法，論文對(duì)視頻背景信息構(gòu)成進(jìn)行了細(xì)致的研究分析，對(duì)經(jīng)過(guò)

3、高斯混合模型處理過(guò)的前景信息結(jié)合LBP紋理和色度信息進(jìn)行相關(guān)處理，實(shí)驗(yàn)發(fā)現(xiàn)該方法能較好的抑制陰影對(duì)目標(biāo)檢測(cè)算法的影響;
　　(3)針對(duì)核密度跟蹤算法中單一的目標(biāo)特征檢測(cè)算法提出了改進(jìn)方法，提出了一種基于改進(jìn)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(gè)特征描述建立的目標(biāo)子模型的線性疊加來(lái)表達(dá)核密度下的目標(biāo)模型和候選模型。結(jié)合對(duì)數(shù)似然函數(shù)建立了各個(gè)特征子模型動(dòng)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