基于非參數(shù)化的背景減除技術(shù)研究.pdf

1、背景減除技術(shù)是計算機(jī)視覺的核心問題之一。雖然已經(jīng)有了豐富的研究成果和應(yīng)用,但仍然存在很多困難有待優(yōu)化解決。場景中的不可預(yù)測因素,如動態(tài)背景、運動陰影、光照變化等都會影響背景前景的正確分類,使得后續(xù)處理如目標(biāo)識別、分類、跟蹤等變得困難?；跇颖镜姆菂?shù)背景減除算法,由于不需要對場景進(jìn)行假設(shè),使得這類方法較為通用。本文以視頻監(jiān)控場景下的背景減除技術(shù)為研究目標(biāo),嘗試解決動態(tài)背景、運動陰影等問題,采用基于樣本的非參數(shù)化的方法,通過鄰域信息對動態(tài)

2、背景進(jìn)行抑制,結(jié)合陰影顏色局部一致性理論和紋理相似性分析的方法對運動陰影進(jìn)行抑制。本文的主要研究內(nèi)容和創(chuàng)新點如下:
　　 (1)首先對當(dāng)前研究進(jìn)行總結(jié),本文歸納分析了視頻監(jiān)控場景下的背景減除技術(shù)的關(guān)鍵問題和分類方法,并對當(dāng)前的經(jīng)典背景減除技術(shù)進(jìn)行研究和分析,重點分析了混合高斯背景模型,碼本背景模型,非參數(shù)核密度估計背景減除方法。
　　 (2)在背景模型方面,本文重點研究了一種基于樣本的非參數(shù)背景減除算法:ViBe算法。分

3、析了該算法的像素模型,分類過程,初始化方法及更新策略。本文簡化了原有的分類過程,結(jié)合鄰域信息進(jìn)行動態(tài)背景抑制,利用統(tǒng)計第二幀前景像素在開始一段時間分類為前景的頻率進(jìn)行初始“鬼影”抑制,從而加速“鬼影”的退化速度。實驗表明本文算法在動態(tài)背景抑制方面有較好的效果。
　　 (3)在運動陰影抑制方面,本文研究了陰影顏色局部一致性理論和中心對稱局部二值模型(CS-LBP)紋理分析方法,采用基于梯度空間連接鄰域的方法對前景區(qū)域進(jìn)行分割,使用