視頻運(yùn)動(dòng)目標(biāo)檢測(cè)算法與應(yīng)用.pdf

1、本文提出了一種對(duì)基本GMM算法的改進(jìn)策略，引入LIF(LocalImageFlow)算法實(shí)現(xiàn)對(duì)復(fù)雜背景的無約束穩(wěn)定初始化，并采用LrW(L-recentWindow)算法來進(jìn)行模型參數(shù)的自適應(yīng)更新。此外，考慮到算法在視頻監(jiān)控應(yīng)用中的實(shí)時(shí)性需要，我們對(duì)模型匹配和模型排序等算法步驟進(jìn)行了計(jì)算簡(jiǎn)化上的改進(jìn)，形成了新的GMM改進(jìn)算法框架。同時(shí)，采用改進(jìn)后的GMM算法本文也實(shí)現(xiàn)了一個(gè)基于網(wǎng)絡(luò)視頻流傳輸?shù)暮Ｊ聢?chǎng)景實(shí)時(shí)監(jiān)控系統(tǒng)，給出了詳細(xì)的算法實(shí)現(xiàn)以

2、及實(shí)用監(jiān)控軟件開發(fā)中一系列技術(shù)難點(diǎn)的解決策略。 另外，本文提出了應(yīng)用于面向視頻場(chǎng)景虛實(shí)交互控制中的一種運(yùn)動(dòng)陰影檢測(cè)算法(MSDVRI)。該算法以混合高斯模型描述動(dòng)態(tài)圖像背景，著重通過引入兩步陰影過濾判據(jù)，利用陰影區(qū)域像素的灰度以及HSV顏色特征與背景的顯著差異極大地降低了像素級(jí)建模及相關(guān)計(jì)算帶來的實(shí)時(shí)性損失。而且，在利用其運(yùn)動(dòng)特征作進(jìn)一步陰影像素檢測(cè)的過程中，采用了相對(duì)基本GMM算法更加簡(jiǎn)化但等效的陰影判定策略，避免了耗時(shí)的方差