基于改進自適應(yīng)混合高斯模型的背景建模及對象計數(shù)方法研究.pdf

1、在實際生活中，攝像機經(jīng)常被安裝在停車場、交通路口、機場、銀行等地方進行監(jiān)控。由于需要配置人員來進行持續(xù)的監(jiān)控導(dǎo)致這是一項乏味并且耗時的工作。如果能夠開發(fā)一套自動化的系統(tǒng)去分析監(jiān)控視頻流，獲取所需要的信息并做出相應(yīng)的決策，那么能夠節(jié)省大量的人力和物力，具有十分重要的現(xiàn)實意義及經(jīng)濟價值。
　　本文在分析現(xiàn)有的運動檢測與跟蹤方法的基礎(chǔ)上，從圖像處理的角度，對基于混合高斯背景建模的運動檢測方法進行深入研究，并采用目前使用最廣泛的KLT(K

2、anade-Lucas-Tomasi)跟蹤算法進行對象跟蹤并進行人數(shù)統(tǒng)計，本文主要研究內(nèi)容包括:
　　1.基于混合高斯模型的算法改進。首先，我們通過實驗分析混合高斯模型在背景分割中的一些缺陷;然后，針對這些缺陷我們對原算法提出了一些改進思路，改進主要分為以下五個方面:1）基于塊的背景建模;2）背景模型判別準(zhǔn)則;3）模型參數(shù)初始化;4）模型學(xué)習(xí)與背景更新;5）光照突變檢測。
　　2.背景建模。為了驗證改進后算法在不同環(huán)境下的背

3、景分割效果，我們在不同場景下的視頻數(shù)據(jù)庫上進行測試。實驗設(shè)計思路如下:1）室外環(huán)境下對算法分割性能的影響，并與其他改進算法比較分析;2）室內(nèi)外環(huán)境下算法分割性能對比;3）驗證物體在高速運動情況下對分割的影響;4）算法的光照突變檢測;5）復(fù)雜場景下改進算法的分割效果。通過各種場景下的實驗結(jié)果對比分析，證明了我們算法的分割效果優(yōu)于原算法。
　　3.對象統(tǒng)計?；谇懊嫖覀兲岢龅母倪M的背景分割算法，結(jié)合KLT跟蹤算法，我們采用模式識別分類

4、的思想，設(shè)計了一套基于單攝像頭的公交人數(shù)統(tǒng)計系統(tǒng)，對上下車乘客進行人數(shù)統(tǒng)計。首先，對視頻流采用改進后的背景建模方法進行對象目標(biāo)檢測;其次，用KLT算法對分割出的行人目標(biāo)進行特征點檢測和跟蹤;然后，對跟蹤特征產(chǎn)生的軌跡進行實時聚類;最后，將聚類結(jié)果輸出，得到人數(shù)統(tǒng)計結(jié)果。系統(tǒng)有效的解決了在上下車擁擠情況下的行人跟蹤問題以及攝像機抖動問題，使目標(biāo)跟蹤系統(tǒng)獲得較高的可靠性和魯棒性。
　　論文對復(fù)雜場景下運動目標(biāo)檢測與跟蹤算法進行了比較深