動(dòng)態(tài)紋理背景下的運(yùn)動(dòng)目標(biāo)檢測(cè).pdf

1、運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)是視頻分析領(lǐng)域的一個(gè)重要課題，被廣泛應(yīng)用于視頻會(huì)議、遠(yuǎn)程教學(xué)、交通違章檢測(cè)、軍事勘察以及人機(jī)智能交互等領(lǐng)域。而在現(xiàn)實(shí)應(yīng)用中，由于存在大量外界環(huán)境干擾，例如當(dāng)背景中存在強(qiáng)烈的光照、雨水、搖曳的樹(shù)木，海面波浪等，這些動(dòng)態(tài)的復(fù)雜背景對(duì)傳統(tǒng)的檢測(cè)方法產(chǎn)生了巨大的影響。因此，基于動(dòng)態(tài)背景的運(yùn)動(dòng)目標(biāo)檢測(cè)已成為令人關(guān)注的具有挑戰(zhàn)性的研究課題。本文針對(duì)運(yùn)動(dòng)目標(biāo)與動(dòng)態(tài)紋理背景之間的差異性，主要研究了以下內(nèi)容：
　　 1.本文采用了

2、一種基于平穩(wěn)小波變換和廣義Gamma分布的中心-周?chē)@著性檢測(cè)方法。該方法利用中心-周?chē)@著性來(lái)確定估計(jì)中心與周?chē)翱诘牟町愋?，從而檢測(cè)出運(yùn)動(dòng)目標(biāo)，由于運(yùn)動(dòng)目標(biāo)和動(dòng)態(tài)紋理背景在平穩(wěn)小波域中具有不同的特性，并能反映到區(qū)域廣義Gamma分布參數(shù)上，本文采用廣義Gamma分布估計(jì)在小波域的中心與周?chē)翱趨?shù)，并通過(guò)對(duì)稱(chēng)的Kullback-Leibler距離測(cè)量出中心與周?chē)翱诘牟町愋?，最后，通過(guò)閾值法檢測(cè)運(yùn)動(dòng)背景中的運(yùn)動(dòng)的目標(biāo)。實(shí)驗(yàn)結(jié)果驗(yàn)證了

3、本文所提算法的有效性。
　　 2.基于自回歸滑動(dòng)平均模型(ARMA)的運(yùn)動(dòng)目標(biāo)檢測(cè)。針對(duì)自回歸滑動(dòng)平均模型能有效刻畫(huà)動(dòng)態(tài)紋理這一優(yōu)點(diǎn)，采用基于ARMA模型與中心-周?chē)Y(jié)構(gòu)相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，該方法首先對(duì)圖像幀進(jìn)行高斯低通濾波，得到不同分辨率的圖像序列，然后利用最小二乘法估計(jì)每個(gè)圖像序列的ARMA模型參數(shù)，最后通過(guò)結(jié)合多個(gè)Kullback-Leibler距離求出運(yùn)動(dòng)目標(biāo)的顯著圖。仿真實(shí)驗(yàn)驗(yàn)證了所提出的方法在具有動(dòng)態(tài)紋理背景的