運動目標實時檢測算法的研究與實現(xiàn).pdf

1、在各個領域,計算機的應用都越來越廣泛,視頻監(jiān)控技術(shù)在其中所起到的作用也越來越大,其直觀性、便捷性、安全性以及其經(jīng)濟適用的特點都愈加受到人們的重視。在如銀行、公共交通、公共場所監(jiān)控、校區(qū)安全保障等行業(yè),視頻監(jiān)控系統(tǒng)已經(jīng)得到了廣泛的應用,這些場所的應用需求也越來越趨向于智能化。
　　 論文在分析已有算法的基礎上提出了一種基于直方圖比較的混合高斯模型減背景方法,將直方圖比較算法引入到混合高斯模型更新中。論文分析了當前幾種典型的運動目標

2、檢測算法,針對實際監(jiān)控系統(tǒng)的要求,提出一種基于直方圖比較的混合高斯模型減背景方法,將直方圖比較算法引入到混合高斯模型更新中。通過比較相鄰幀之間的直方圖變化,引入直方圖變化因子,以此來判斷是否有光線突變情況發(fā)生。針對光線突變發(fā)生情況,混合高斯模型根據(jù)光線變化程度進行自適應更新;并在無光線突變情況發(fā)生時仍保持原有更新方式。算法的性能測試以及實驗結(jié)果均表明,基于直方圖比較的混合高斯模型減背景算法兼顧準確性與實時性。
　　 針對單獨基于

3、混合高斯模型減背景法的目標檢測很容易出現(xiàn)檢測空洞,使漏檢率和誤檢率大幅度上升,本文將Haar型特征檢測方法以及AdaBoost級聯(lián)分類方法引入到頭部目標檢測當中,將分類模型針對頭部目標進行優(yōu)化。實驗結(jié)果表明,與其他基于顏色的特征提取方法比較,基于。Haar型特征的特征提取方法具有跟高的頭部識別準確率。
　　 本文最后將近階段的研究成果在軟件平臺上進行仿真,設計出了目標檢測軟件平臺。軟件設計的理論依據(jù)為融合基于混合高斯模型減背景法