基于核密度估計(jì)的運(yùn)動目標(biāo)檢測算法研究.pdf

1、現(xiàn)代社會中，智能視頻監(jiān)控是一種重要而且常見的應(yīng)用。智能視頻監(jiān)控系統(tǒng)通常使用固定的監(jiān)視器監(jiān)控特定的區(qū)域，自動的檢測和理解這片區(qū)域發(fā)生的各種情況。運(yùn)動目標(biāo)檢測是實(shí)現(xiàn)智能監(jiān)控的前提，有著重要的研究意義和應(yīng)用價值，因此很多研究人員將目光關(guān)注在運(yùn)動目標(biāo)檢測的實(shí)現(xiàn)上并且提出了不同的解決方案。
　　 為了更合理的模擬自然界的特征進(jìn)行建模來實(shí)現(xiàn)運(yùn)動目標(biāo)檢測，近些年研究人員提出了用非參數(shù)的核密度估計(jì)方法對背景像素特征的概率密度分布進(jìn)行建模的方法。

2、核密度估計(jì)方法不對背景像素特征的概率分布形式進(jìn)行任何假設(shè)，僅僅是從數(shù)據(jù)樣本點(diǎn)本身出發(fā)對像素特征的概率密度函數(shù)進(jìn)行估計(jì)，最大可能的模擬出背景像素特征可能存在的任意形狀的真實(shí)概率密度函數(shù)。本文所做的工作主要集中在以下幾個方面：
　　 (1)本文提出了一種利用前景反饋增強(qiáng)策略的改進(jìn)核密度估計(jì)背景前景聯(lián)合建模方法。首先，該算法使用基本的核密度估計(jì)方法得到當(dāng)前檢測幀中的每個像素點(diǎn)屬于背景的可能性。其次，利用以往的檢測結(jié)果中的前景部分，對當(dāng)

3、前檢測圖像幀進(jìn)行核密度估計(jì)，得到圖像中每個像素點(diǎn)屬于前景的可能性，用來輔助進(jìn)行目標(biāo)檢測。將一個像素點(diǎn)的背景可能性與前景可能性相結(jié)合，判斷當(dāng)前幀中的像素點(diǎn)屬于前景或者是背景。有效的利用了先驗(yàn)知識并顯著的降低了現(xiàn)有的背景前景聯(lián)合建模算法的計(jì)算量，提高了檢測的有效性和可靠性。
　　 (2)給出了一種利用前景邊緣保持幀數(shù)進(jìn)行背景樣本點(diǎn)更新的自適應(yīng)背景樣本更新方法，在提高檢測準(zhǔn)確性的同時，有效的抑制了背景場景變化帶來的鬼影問題和光照問題。

4、我們統(tǒng)計(jì)一個像素點(diǎn)作為前景邊緣連續(xù)存在的幀數(shù)，如果在一段時間內(nèi)存在像素點(diǎn)持續(xù)的作為前景邊緣，我們判定背景場景發(fā)生了變化，此時重建樣本庫；否則僅僅是更新樣本庫。
　　 (3)對在HSI彩色空間中應(yīng)用核密度估計(jì)方法進(jìn)行陰影檢測給出了探索。有別于現(xiàn)有的HSV彩色空間陰影檢測算法直接使用像素點(diǎn)特征的數(shù)值進(jìn)行陰影檢測的狀況，本文給出了在HSI彩色空間中用概率組合條件檢測陰影區(qū)域的嘗試，取得了一定效果。
　　 (4)深入分析了核密度