基于參數(shù)統(tǒng)計(jì)模型的視頻運(yùn)動(dòng)目標(biāo)檢測(cè).pdf

1、一個(gè)典型的視頻處理過程需要完成對(duì)視頻運(yùn)動(dòng)對(duì)象的分割、跟蹤和識(shí)別，而視頻運(yùn)動(dòng)對(duì)象分割被認(rèn)為是處理過程中最為關(guān)鍵的一步。由于視頻圖像的復(fù)雜性與多變性，使得運(yùn)動(dòng)對(duì)象的檢測(cè)與分割成為視頻圖像處理中同時(shí)也是最具挑戰(zhàn)性的一項(xiàng)技術(shù)。運(yùn)動(dòng)對(duì)象的檢測(cè)與分割，顧名思義就是一種從視頻圖像中檢索出包含位置、方向、大小和形狀信息的感興趣的對(duì)象的任務(wù)。然而由于像背景突變和連續(xù)光照的變化、在背景中投射出前景對(duì)象的陰影，或者靜止物體重復(fù)的動(dòng)作，比如樹枝的晃動(dòng)等一系列的

2、問題，使得研究人員很難找到一個(gè)既有低復(fù)雜度又能夠處理所有的意外情況的方法，并且得到完美的結(jié)果，同時(shí)還能保證效率高、魯棒性強(qiáng)。針對(duì)上述問題，本文從兩方面著手進(jìn)行了研究，一是結(jié)合多水平集模型和C-V活動(dòng)輪廓模型算法改進(jìn)的基于目標(biāo)輪廓特征檢測(cè)算法以及基于目標(biāo)所在區(qū)域特征檢測(cè)的隨機(jī)逼近方法算法。針對(duì)不同背景，前景復(fù)雜度的視頻序列進(jìn)行了研究，著重提高算法對(duì)不同視頻序列的自適應(yīng)性、精確度等，主要完成了對(duì)多運(yùn)動(dòng)目標(biāo)的視頻序列的檢測(cè)。
　　本論文

3、主要研究?jī)?nèi)容如下:
　　(1)針對(duì)現(xiàn)有的目標(biāo)輪廓提取算法存在收斂速度慢、效率較低的問題，提出了一種結(jié)合差分相乘和多水平集下的C-V活動(dòng)輪廓模型結(jié)合的新算法。該方法首先利用四幀相鄰圖像差分相乘抑制絕大部分的背景邊緣，然后通過改進(jìn)參數(shù)后的多水平集和C-V模型相結(jié)合的算法提取運(yùn)動(dòng)目標(biāo)輪廓。實(shí)驗(yàn)結(jié)果表明，該方法在簡(jiǎn)單視頻背景中具有多個(gè)目標(biāo)下能夠更加快速準(zhǔn)確提取出每個(gè)完整的運(yùn)動(dòng)目標(biāo)輪廓，較好的解決了現(xiàn)有算法在多個(gè)運(yùn)動(dòng)目標(biāo)輪廓提取的缺陷。