基于GMM的運(yùn)動(dòng)目標(biāo)檢測(cè)和陰影抑制算法研究.pdf

1、聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下，獨(dú)立進(jìn)行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表或撰：寫過的研究成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本聲明的法律責(zé)任由本人承擔(dān)。論文作者簽名：日期：沙7么fV穆關(guān)于學(xué)位論文使用權(quán)的說明本人完全了解太原理工大學(xué)有關(guān)保管、使用學(xué)位論文的規(guī)定，其中包括：①學(xué)校有權(quán)保管、并向有關(guān)部門送交學(xué)位論文的原件與復(fù)印件；

2、②學(xué)校可以采用影印、縮印或其它復(fù)制手段復(fù)制并保存學(xué)位論文；③學(xué)校可允許學(xué)位論文被查閱或借閱；④學(xué)?？梢詫W(xué)術(shù)交流為目的，復(fù)制贈(zèng)送和交換學(xué)位論文；⑤學(xué)?？梢怨紝W(xué)位論文的全部或部分內(nèi)容(保密學(xué)位論文在解密后遵守此規(guī)定)。簽名：導(dǎo)師簽名：壺鯉L～日期：礦7易～j／太原理工大學(xué)碩士研究生學(xué)位論文基于GMMB勺運(yùn)動(dòng)目標(biāo)檢測(cè)和陰影【PN算法研究摘要視頻圖像中的運(yùn)動(dòng)目標(biāo)檢測(cè)是把運(yùn)動(dòng)目標(biāo)從視頻圖像序列中分割出來，是運(yùn)動(dòng)目標(biāo)分類、目標(biāo)跟蹤、行為判斷、場(chǎng)景

3、理解等后期處理的基礎(chǔ)。它在軍事領(lǐng)域(如戰(zhàn)場(chǎng)偵察)和民用領(lǐng)域(如智能視頻監(jiān)控系統(tǒng))的應(yīng)用極為廣泛。本文對(duì)常見的運(yùn)動(dòng)目標(biāo)檢測(cè)算法做了描述，著重研究了基于高斯混合模型(GMM，GaussianMixtureModel)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法——高斯混合背景模型。通過對(duì)比實(shí)驗(yàn)得知，該模型可以很好的對(duì)復(fù)雜場(chǎng)景進(jìn)行背景建模，運(yùn)動(dòng)目標(biāo)檢測(cè)效果佳，魯棒性較強(qiáng)。但是，高斯混合背景模型不能對(duì)運(yùn)動(dòng)物體的陰影進(jìn)行抑制。針對(duì)這個(gè)問題，本文借鑒高斯混合背景模型算法中背

4、景建模的思路，建立新的高斯混合模型對(duì)運(yùn)動(dòng)陰影進(jìn)行抑制，即高斯混合陰影模型。高斯混合背景模型檢測(cè)出的運(yùn)動(dòng)目標(biāo)先用疑似陰影模型進(jìn)行陰影預(yù)判，判斷為疑似陰影的像素參與高斯混合陰影模型的參數(shù)學(xué)習(xí)和更新。然后高斯混合陰影模型對(duì)這些像素是否屬于陰影進(jìn)行最終判別。通過對(duì)比實(shí)驗(yàn)得出，該算法對(duì)運(yùn)動(dòng)陰影抑制的效果較好。但是由于模型需要較多的陰影像素來進(jìn)行參數(shù)學(xué)習(xí)，而實(shí)際視頻場(chǎng)景中所有像素點(diǎn)都被陰影覆蓋的可能性較低且覆蓋時(shí)間較短，使得模型的參數(shù)得不到充分的學(xué)