非參數(shù)化背景建模方法研究.pdf

1、背景建模是運(yùn)動(dòng)目標(biāo)檢測和跟蹤的基礎(chǔ)部分,在智能監(jiān)控、機(jī)器人視覺、視頻會(huì)議等領(lǐng)域有著廣泛的應(yīng)用。參數(shù)化的混合高斯背景模型可對(duì)存在漸變及重復(fù)性運(yùn)動(dòng)的場景進(jìn)行建模,被認(rèn)為是最好的背景模型之一。然而,它不能解決場景中存在的突變,存在陰影、噪聲時(shí)容易導(dǎo)致誤檢或漏檢現(xiàn)象。同時(shí),該方法要求事先知道背景先驗(yàn)概率與觀測下的條件概率的值,但在一些復(fù)雜的應(yīng)用場景中,這些概率函數(shù)的形式是未知的。而非參數(shù)化背景建模方法,它不需要預(yù)先假定模型的密度分布形式,直接通

2、過數(shù)據(jù)估計(jì)未知密度函數(shù),避免了模型形式假定和優(yōu)化等問題。本文通過對(duì)非參數(shù)化背景建模的深入研究,取得以下成果:
　　 1.深入分析研究了目前常用的幾種自適應(yīng)動(dòng)態(tài)背景建模方法,并對(duì)其優(yōu)點(diǎn)和存在的問題進(jìn)行了總結(jié)和比較。
　　 2.深入研究了混合高斯背景建模方法,并提出了一種具有陰影減除的混合高斯背景建模,該方法以混合高斯背景建模方法為基礎(chǔ),嵌入了基于HSV顏色特征的陰影檢測,去除了噪聲和陰影的干擾,在一定程度上提高了對(duì)運(yùn)動(dòng)目標(biāo)