視頻監(jiān)控中運動目標檢測及超分辨率恢復算法研究.pdf

1、運動目標檢測和識別作為視頻監(jiān)控系統(tǒng)的關鍵一步，是計算機視覺領域的一項關鍵技術，也是視頻分析、視頻編碼和行為理解等后續(xù)處理的基礎。通常來說，動態(tài)和復雜背景會給運動目標的檢測帶來困難；而且考慮到目前圖像采集設備的分辨率限制，會使得檢測的圖像清晰度影響后續(xù)的識別，為了獲得更高的清晰度，超分辨率恢復是一種常用的技術。
　　在運動目標檢測中，基于顏色特征的方法容易受到光照和陰影的影響，導致檢測的目標中含有大量陰影；而基于紋理的方法容易產(chǎn)生檢

2、測空洞。針對這種情況，提出了一種融合的策略，將紋理和顏色檢測的優(yōu)勢結合起來，其中紋理目標的檢測主要利用可控核來建立背景紋理字典，根據(jù)紋理重建偏差來執(zhí)行檢測；融合策略主要是基于目標的邊緣和陰影位置，平滑的邊緣被視為目標真邊緣，根據(jù)融合的邊緣來得到最終的目標。
　　在圖像超分辨率恢復中，基于重建的方法容易受到低分辨率圖像數(shù)量的影響，當輸入低分辨率圖像數(shù)量有限時，容易產(chǎn)生過平滑的效果，丟失重要的信息；稀疏表示作為基于學習的超分辨率算法的

3、一個重要分支，是目前比較常見的解決超分辨率問題的辦法。本文介紹了一種基于梯度特征獨立字典學習的稀疏表示超分辨率算法，只需要輸入單幅圖像就可以執(zhí)行超分辨率恢復，利用圖像梯度特征來表征低分辨率圖像的特征，提高了特征描述的魯棒性，然后以一種獨立字典學習的方法來分別訓練低分辨率和高分辨率字典，獲得了較好的實驗效果。
　　通過使用不同實驗背景下的視頻序列來驗證提出的算法，其中，運動目標檢測算法能夠較好的應對復雜背景，并且具有較好的陰影去除效