基于視頻的多運(yùn)動目標(biāo)檢測算法研究.pdf

1、本文對復(fù)雜場景的多運(yùn)動目標(biāo)檢測進(jìn)行了較為深入的研究，并著重研究了多種背景模型和運(yùn)動目標(biāo)檢測中的陰影檢測算法。 本文首先概述了運(yùn)動目標(biāo)檢測技術(shù)和陰影檢測技術(shù)的國內(nèi)外研究現(xiàn)狀，并對目標(biāo)檢測技術(shù)的多種方法和運(yùn)動目標(biāo)分割方法進(jìn)行了研究。在分析傳統(tǒng)目標(biāo)檢測方法優(yōu)缺點(diǎn)的基礎(chǔ)上，采用背景差分法來檢測運(yùn)動目標(biāo)。 然后，在大量試驗(yàn)的基礎(chǔ)上，對時間平均背景模型、時間中值背景模型、基于幀間差分的背景模型以及混合高斯背景模型這四種背景建模算法進(jìn)

2、行了分析比較，并給出了比較結(jié)論。同時，針對基于幀間差分的背景模型中參數(shù)選擇不穩(wěn)定及閾值問題，提出了一種基于雙動態(tài)矩陣的背景模型更新機(jī)制，該更新機(jī)制利用兩個動態(tài)矩陣來區(qū)分目標(biāo)點(diǎn)和背景點(diǎn)，并采用一種利用像素直方圖的方法來獲取動態(tài)閾值。試驗(yàn)表明，該算法在滿足原有處理速度的情況下，能夠更加準(zhǔn)確的檢測出運(yùn)動物體，加快虛影的消除，減少了虛影對運(yùn)動目標(biāo)檢測效果的影響，提高了檢測的準(zhǔn)確率，且更新頻率不易影響到檢測效果。 最后，對國內(nèi)外目前的陰影

3、檢測算法進(jìn)行了系統(tǒng)研究，分別對彩色空間和灰度空間中的陰影檢測算法做了分類比較與試驗(yàn)分析。在彩色空間中，針對陰影在RGB空間和HSV空間的不同特點(diǎn)，分別采用對應(yīng)的方法來檢測陰影。試驗(yàn)表明，RGB空間的陰影檢測算法的陰影檢測率高，但陰影識別率則低于HSV空間的陰影檢測算法，同時RGB空間的陰影檢測算法實(shí)時性更好?；叶瓤臻g中，在缺少顏色信息的情況下，采用基于Gabor字典的方法來提取陰影的紋理特征，通過背景點(diǎn)與陰影點(diǎn)的紋理特征相似的特點(diǎn)，來檢