基于核密度估計(jì)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究.pdf

1、現(xiàn)代社會(huì)中，智能視頻監(jiān)控是一種重要而且常見(jiàn)的應(yīng)用。智能視頻監(jiān)控系統(tǒng)通常使用固定的監(jiān)視器監(jiān)控特定的區(qū)域，自動(dòng)的檢測(cè)和理解這片區(qū)域發(fā)生的各種情況。運(yùn)動(dòng)目標(biāo)檢測(cè)是實(shí)現(xiàn)智能監(jiān)控的前提，有著重要的研究意義和應(yīng)用價(jià)值，因此很多研究人員將目光關(guān)注在運(yùn)動(dòng)目標(biāo)檢測(cè)的實(shí)現(xiàn)上并且提出了不同的解決方案。
　　 為了更合理的模擬自然界的特征進(jìn)行建模來(lái)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)，近些年研究人員提出了用非參數(shù)的核密度估計(jì)方法對(duì)背景像素特征的概率密度分布進(jìn)行建模的方法。

2、核密度估計(jì)方法不對(duì)背景像素特征的概率分布形式進(jìn)行任何假設(shè)，僅僅是從數(shù)據(jù)樣本點(diǎn)本身出發(fā)對(duì)像素特征的概率密度函數(shù)進(jìn)行估計(jì)，最大可能的模擬出背景像素特征可能存在的任意形狀的真實(shí)概率密度函數(shù)。本文所做的工作主要集中在以下幾個(gè)方面：
　　 (1)本文提出了一種利用前景反饋增強(qiáng)策略的改進(jìn)核密度估計(jì)背景前景聯(lián)合建模方法。首先，該算法使用基本的核密度估計(jì)方法得到當(dāng)前檢測(cè)幀中的每個(gè)像素點(diǎn)屬于背景的可能性。其次，利用以往的檢測(cè)結(jié)果中的前景部分，對(duì)當(dāng)

3、前檢測(cè)圖像幀進(jìn)行核密度估計(jì)，得到圖像中每個(gè)像素點(diǎn)屬于前景的可能性，用來(lái)輔助進(jìn)行目標(biāo)檢測(cè)。將一個(gè)像素點(diǎn)的背景可能性與前景可能性相結(jié)合，判斷當(dāng)前幀中的像素點(diǎn)屬于前景或者是背景。有效的利用了先驗(yàn)知識(shí)并顯著的降低了現(xiàn)有的背景前景聯(lián)合建模算法的計(jì)算量，提高了檢測(cè)的有效性和可靠性。
　　 (2)給出了一種利用前景邊緣保持幀數(shù)進(jìn)行背景樣本點(diǎn)更新的自適應(yīng)背景樣本更新方法，在提高檢測(cè)準(zhǔn)確性的同時(shí)，有效的抑制了背景場(chǎng)景變化帶來(lái)的鬼影問(wèn)題和光照問(wèn)題。

4、我們統(tǒng)計(jì)一個(gè)像素點(diǎn)作為前景邊緣連續(xù)存在的幀數(shù)，如果在一段時(shí)間內(nèi)存在像素點(diǎn)持續(xù)的作為前景邊緣，我們判定背景場(chǎng)景發(fā)生了變化，此時(shí)重建樣本庫(kù)；否則僅僅是更新樣本庫(kù)。
　　 (3)對(duì)在HSI彩色空間中應(yīng)用核密度估計(jì)方法進(jìn)行陰影檢測(cè)給出了探索。有別于現(xiàn)有的HSV彩色空間陰影檢測(cè)算法直接使用像素點(diǎn)特征的數(shù)值進(jìn)行陰影檢測(cè)的狀況，本文給出了在HSI彩色空間中用概率組合條件檢測(cè)陰影區(qū)域的嘗試，取得了一定效果。
　　 (4)深入分析了核密度