基于邊緣檢測的混合高斯運動目標(biāo)檢測.pdf

1、針對傳統(tǒng)混合高斯運動目標(biāo)檢測算法在目標(biāo)運動緩慢和場景背景變化劇烈時存在的檢測精度低問題，提出一種基于邊緣檢測的混合高斯運動目標(biāo)檢測算法。算法通過對混合高斯運動目標(biāo)檢測進行參數(shù)局域自適應(yīng)改進，提高其在背景變化劇烈場景的檢測精度；通過對Canny算子進行多像素方向拓展，使其能夠充分利用序列幀的空域信息；最終通過結(jié)合混合高斯運動目標(biāo)檢測和Canny邊緣檢測得到完整的運動目標(biāo)檢測結(jié)果。
　　針對混合高斯運動目標(biāo)檢測在背景劇烈抖動時易將抖動

2、背景判定為前景的問題，在對背景劇烈抖動和混合高斯模型的關(guān)系進行抽象數(shù)學(xué)分析的基礎(chǔ)上，通過采用自適應(yīng)局域 K值和自適應(yīng)局域背景門限的方法，使劇烈抖動像素點所對應(yīng)高斯模型的背景描述能力得到提高，達到減少背景抖動虛警率的目的。
　　針對基于Canny算子的邊緣檢測方法存在的：高斯核選擇缺少通用性、梯度相關(guān)計算偏簡單、非極大值抑制準(zhǔn)確性差等問題，在對Canny進行分析的基礎(chǔ)上提出自適應(yīng)高斯核卷積、八鄰域梯度計算、多方向非極大值抑制的改進方

3、法，使邊緣檢測的結(jié)果更加細(xì)致準(zhǔn)確。
　　結(jié)合改進后的混合高斯運動目標(biāo)檢測算法和改進后的Canny算子邊緣檢測，通過前景備選區(qū)域的計算，完成對序列幀時域信息與空域信息的充分利用，最終得到準(zhǔn)確的前景檢測結(jié)果。
　　實驗結(jié)果表明，與GMG、ViBe、CodeBook等參與實驗的橫向算法相比，本文所提出的改進算法具有最優(yōu)的檢測精度表現(xiàn)；與原算法GMM相比，本文算法檢測精度在各場景測試視頻中提高了16.1～42.4個百分點，精度提升效