智能視頻監(jiān)控中動(dòng)態(tài)目標(biāo)檢測(cè)算法的研究.pdf

1、動(dòng)態(tài)目標(biāo)檢測(cè)作為智能視頻監(jiān)控中最基礎(chǔ)和最關(guān)鍵的一步，直接影響了一個(gè)智能視頻監(jiān)控系統(tǒng)的適用性，是計(jì)算機(jī)視覺(jué)領(lǐng)域備受關(guān)注的前沿課題，目前已取得豐碩成果。但由于場(chǎng)景復(fù)雜多變，從視頻中提取出準(zhǔn)確的前景信息依然面臨諸多挑戰(zhàn)。研究如何提升動(dòng)態(tài)目標(biāo)檢測(cè)的效果，具有重要的理論意義和廣泛的應(yīng)用價(jià)值。
　　本文圍繞在有陰影、鬼影、局部光照變化、相機(jī)抖動(dòng)等挑戰(zhàn)性場(chǎng)景中動(dòng)態(tài)目標(biāo)檢測(cè)效果不佳的問(wèn)題，展開(kāi)了深入地研究。從不同的研究方法著手，提出了兩種動(dòng)態(tài)目標(biāo)

2、檢測(cè)改進(jìn)算法。通過(guò)對(duì)室內(nèi)外測(cè)試視頻進(jìn)行實(shí)驗(yàn)，并與其它算法對(duì)比，驗(yàn)證了本文算法的有效性。主要工作如下:
　　1.針對(duì)ViBe算法對(duì)鬼影抑制和陰影去除效果不佳的問(wèn)題，提出一種基于雙背景模型的改進(jìn)ViBe算法。緩存視頻前K幀圖像，利用隨機(jī)抽樣和改進(jìn)均值法構(gòu)建兩個(gè)背景模型:前景檢測(cè)模型和陰影檢測(cè)模型，分別用于前景檢測(cè)和陰影去除。前景檢測(cè)環(huán)節(jié)擴(kuò)大樣本的抽取范圍，增強(qiáng)前景檢測(cè)模型可靠度，抑制鬼影;與最小匹配數(shù)比較，減少計(jì)算量;替換虛假樣本完成

3、前景檢測(cè)模型的更新。陰影去除環(huán)節(jié)將前景檢測(cè)所得感興趣前景區(qū)域與陰影檢測(cè)模型比較，結(jié)合快速歸一化互相關(guān)函數(shù)和局部二值模式(LBP)紋理特征信息檢測(cè)陰影并消除，提升檢測(cè)效果。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法能有效抑制鬼影，消除陰影干擾，檢測(cè)結(jié)果更加精確。
　　2.傳統(tǒng)混合高斯模型只使用顏色特征作為動(dòng)態(tài)目標(biāo)檢測(cè)的依據(jù)，往往會(huì)造成檢測(cè)結(jié)果不完整、對(duì)局部光照變化場(chǎng)景檢測(cè)效果不佳、對(duì)相機(jī)抖動(dòng)敏感等問(wèn)題。為此，本文提出一種基于區(qū)域組合特征的動(dòng)態(tài)目標(biāo)檢測(cè)方