自適應(yīng)閾值的運動目標(biāo)檢測技術(shù)研究.pdf

1、隨著計算機視覺技術(shù)的快速發(fā)展,智能視頻監(jiān)控系統(tǒng)作為安全防衛(wèi)的一個重要手段在社會生活的各個方面有著廣泛的應(yīng)用前景,快速而準確地檢測出運動目標(biāo)是實施視頻監(jiān)控的前提和關(guān)鍵。因此,運動目標(biāo)檢測已成為計算機視覺領(lǐng)域一個越來越熱門的研究課題。
　　 在運動目標(biāo)檢測中,對差分圖像自適應(yīng)地選取最佳閾值是其中非常重要的一個步驟。本文以差分圖像的自適應(yīng)閾值分割為研究重點,主要研究工作如下:
　　 1.在攝像機靜止的情況下,對道路上的車輛和行

2、人進行目標(biāo)檢測,采用最大類間方差法(Otsu)實現(xiàn)了差分圖像全局閾值的自適應(yīng)選取,實驗結(jié)果表明該方法能較好地分割出運動目標(biāo)。
　　 2.針對場景中行人目標(biāo)所占比例過小的情況,對差分圖像分割時提出了改進的局部自適應(yīng)閾值算法。首先建立積分圖,然后遍歷所有像素得到像素點的空間鄰域信息,最后在閾值判別式中引入局部方差從而進行二值化操作。實驗結(jié)果表明基于積分圖的局部自適應(yīng)閾值算法比全局閾值的一維最大類間方差法(Otsu)更能精確地檢測出小

3、運動目標(biāo)。
　　 3.在戶外交通環(huán)境下,攝像頭因為外界因素的影響并不能保持靜止,所以視頻幀會出現(xiàn)不規(guī)則抖動,而且由于復(fù)雜背景中物體的變化,傳統(tǒng)的運動目標(biāo)檢測方法和混合高斯算法都不能有效地檢測出運動車輛。針對上述問題,提出了一種基于分解的三維最大類間方差法(Otsu)結(jié)合隔幀對稱差分的運動車輛檢測方法。首先通過隔幀對稱差分法得到兩個差分圖像,再對這兩個差分圖像采用基于分解的三維Otsu法閾值分割,最后對這兩個二值圖像采用數(shù)學(xué)形態(tài)學(xué)

4、濾波后求交集得到運動車輛目標(biāo)。實驗結(jié)果表明,該方法在視頻幀出現(xiàn)不規(guī)則抖動的情況下能實時和精確地檢測出運動車輛。
　　 4.針對場景中目標(biāo)密集出現(xiàn)的情況,提出了改進的基于最陡上升法的三維最大類間方差法(Otsu)結(jié)合混合高斯背景建模的運動車輛檢測方法。首先采用混合高斯模型來建立背景并自適應(yīng)更新,很好的解決了背景差分法中由于光線變化、物體干擾等動態(tài)因素引起的背景失效問題。在當(dāng)前幀與背景幀作差分運算后,采用改進的基于最陡上升法的三維O