視頻監(jiān)控中的運動目標檢測算法研究與實現(xiàn).pdf

1、運用目標提取算法從連續(xù)視頻圖像中提取并優(yōu)化運動目標，是運動跟蹤、目標識別、視頻監(jiān)控、視頻摘要、三維重建等問題的關鍵環(huán)節(jié)，由于其廣泛的應用及本身的復雜性，運動目標檢測已成為當前模式識別和機器視覺的熱點問題之一。
　　本文依托重慶市科技攻關項目《嵌入式WEB監(jiān)控視頻摘要生成及其快速瀏覽關鍵技術研究和開發(fā)》（CSTC2009AC2057），研究動態(tài)場景中的運動目標檢測，該問題不僅是視頻監(jiān)控的核心，更是系統(tǒng)中后期操作的基礎與關鍵。其目標檢

2、測的準確與否決定了頭部檢測、運動跟蹤、視頻摘要等各種后續(xù)處理的效果，因此成為項目研究中的一項重要課題。但目前流行的運動目標檢測算法在處理光照變化、背景擾動、運動目標與背景相似等實際問題時，往往難以取得良好的應用效果。針對上述問題，本文的主要工作和創(chuàng)新點如下：
　　首先對運動目標檢測的基本算法進行了分析與實現(xiàn)，針對高斯混合模型和碼本模型兩種流行的背景相減法的不足提出了改進策略。對于高斯混合背景模型，采用梯度序列代替?zhèn)鹘y(tǒng)的亮度序列計算

3、模型中的概率估計，提取更加清晰的目標輪廓，同時建立高斯概率密度分布的查找表以降低目標像素點與背景模型的匹配時間，最后引入像素點的空間分布一致性去除錯誤檢測，提高目標檢測的準確性。在碼本背景模型中，采用YUV空間代替RGB空間，降低碼本背景模型的光照敏感性，同時在新的YUV空間采用球狀碼元模型改進原RGB顏色空間的圓柱碼元模型，提高了算法的魯棒性。
　　其次，本文采用陰影剪除、形態(tài)學處理、graphcut、區(qū)域連通標號等技術作為后驗

4、優(yōu)化操作，剪除目標陰影、剔除復雜場景的干擾噪聲、去除目標邊緣毛刺，從而得到更加清晰的運動目標輪廓，為系統(tǒng)后續(xù)處理提供了準確的運動目標信息。
　　最后，本文結合面向?qū)ο蟮能浖O計方法，使用MATLAB仿真和VC++開發(fā)平臺對運動目標檢測模塊進行了設計與實現(xiàn)。并針對運動目標檢測的各種算法，制定了一套系統(tǒng)的評估框架，定量分析不同方法的優(yōu)缺點。實驗測試和開發(fā)的前期效果證明了本文改進的前景提取算法不僅提高了運動目標檢測的準確性，而且具有良好