視頻運動目標(biāo)檢測的若干算法研究.pdf

1、隨著信息化技術(shù)的迅猛發(fā)展以及安全意識的普及，社會對智能視頻監(jiān)控的需求越來越高。運動目標(biāo)檢測作為其核心步驟之一，已經(jīng)成為各個學(xué)科領(lǐng)域備受關(guān)注的前沿課題，不但研究歷史悠久，而且研究方法日新月異。本文從不同的研究方法著手，在盡量滿足實時性、魯棒性及準(zhǔn)確性的基礎(chǔ)上，實現(xiàn)不同場景的運動目標(biāo)檢測。本論文依次從以下三個方面進行闡述：
　　1、針對鬼影的去除，提出了改進的視覺背景提取算法（ViBe， Visual background extra

2、ctor）。首先分析vibe算法的優(yōu)劣性，尤其考慮檢測結(jié)果初期存在鬼影的現(xiàn)象，結(jié)合三幀差法進行初始背景的提取，接著利用隨機鄰域抽樣建立背景模型的多個樣本。采用RGB顏色空間的歐式距離來判別前景與背景點，最后用檢測結(jié)果和當(dāng)前圖像進行與運算，去除了部分運動目標(biāo)的檢測鬼影。
　　2、結(jié)合紋理信息進行陰影去除，比較局部二值模式LBP和尺度不變局部三值模式SILTP的特性。利用SILTP紋理信息的局部尺度不變性，對檢測圖片進行紋理變換和閾值

3、分割，達(dá)到對重度移動陰影進行檢測并去除的目的。
　　3、提出了基于交替方向稀疏低秩模型的運動目標(biāo)檢測算法。首先分析基于魯棒主成分分析(RPCA)的背景建模，分析了求解RPCA模型的各種經(jīng)典方法，重點討論了主成分追蹤算法（PCP），并進行了背景建模仿真實驗。然后對經(jīng)典RPCA模型進行改進，將實際目標(biāo)數(shù)據(jù)分解為干凈數(shù)據(jù)（背景模型）、奇異值數(shù)據(jù)（對應(yīng)前景模型和運動目標(biāo)）和噪聲數(shù)據(jù)（背景噪聲模型）。對低秩背景模型引入了全變差范數(shù)進行約束，