基于背景建模運動目標(biāo)檢測算法的研究.pdf

1、運動目標(biāo)檢測是計算機視覺領(lǐng)域的一個重要研究內(nèi)容，它通過圖像處理的方法對圖像序列中的運動目標(biāo)信息進行解析，具有一定的智能性，在智能視頻監(jiān)控、智能交通、人機互動、動作識別、物體追蹤、行為理解、精準(zhǔn)制導(dǎo)等領(lǐng)域具有重要的應(yīng)用價值。目前主要有基于光流、基于幀間差分、基于背景建模三大類運動目標(biāo)檢測方法，其中基于背景建模的方法采用背景模型建立、像素點分類以及背景模型更新三個重要步驟來實現(xiàn)運動目標(biāo)的檢測，具有更多的建模方式，較多可利用的特征值，并且可隨

2、著背景模型的更新能夠不斷適應(yīng)場景中的變化。這些特性使得基于背景建模的目標(biāo)檢測算法成為該領(lǐng)域的重要研究方向之一。
　　ViBe(visual background extractor)算法利用鄰域像素的關(guān)聯(lián)性進行建模及模型更新，可有效地利用空間相關(guān)信息，是一個適用性廣、建模速度快、魯棒性好的基于背景建模目標(biāo)檢測算法。但該算法在應(yīng)用中還存在一定的局限性，例如動態(tài)場景存在晃動點、初始化幀中存在運動目標(biāo)等情況下檢測性能下降。本文重點研究V

3、iBe算法，旨在提高該算法在特殊復(fù)雜場景下的適用性和有效性，所做的主要工作有：
　?。?）提出多幀初始化的ViBe改進算法，其利用像素及其鄰域點的特征值統(tǒng)計集中區(qū)域的中值建立模型，并改進其背景模型的更新策略。解決了當(dāng)場景中存在因樹枝晃動、水面波動等造成晃動點時，ViBe算法會出現(xiàn)大量誤檢的問題。通過在canoe多個等動態(tài)背景數(shù)據(jù)集上的測試，表明改進算法有效降低了誤檢率，提高了檢測效果。
　　（2）提出具有監(jiān)督的檢測算法SVi