基于視頻的多運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究.pdf

1、本文對(duì)復(fù)雜場(chǎng)景的多運(yùn)動(dòng)目標(biāo)檢測(cè)進(jìn)行了較為深入的研究，并著重研究了多種背景模型和運(yùn)動(dòng)目標(biāo)檢測(cè)中的陰影檢測(cè)算法。 本文首先概述了運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)和陰影檢測(cè)技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀，并對(duì)目標(biāo)檢測(cè)技術(shù)的多種方法和運(yùn)動(dòng)目標(biāo)分割方法進(jìn)行了研究。在分析傳統(tǒng)目標(biāo)檢測(cè)方法優(yōu)缺點(diǎn)的基礎(chǔ)上，采用背景差分法來檢測(cè)運(yùn)動(dòng)目標(biāo)。 然后，在大量試驗(yàn)的基礎(chǔ)上，對(duì)時(shí)間平均背景模型、時(shí)間中值背景模型、基于幀間差分的背景模型以及混合高斯背景模型這四種背景建模算法進(jìn)

2、行了分析比較，并給出了比較結(jié)論。同時(shí)，針對(duì)基于幀間差分的背景模型中參數(shù)選擇不穩(wěn)定及閾值問題，提出了一種基于雙動(dòng)態(tài)矩陣的背景模型更新機(jī)制，該更新機(jī)制利用兩個(gè)動(dòng)態(tài)矩陣來區(qū)分目標(biāo)點(diǎn)和背景點(diǎn)，并采用一種利用像素直方圖的方法來獲取動(dòng)態(tài)閾值。試驗(yàn)表明，該算法在滿足原有處理速度的情況下，能夠更加準(zhǔn)確的檢測(cè)出運(yùn)動(dòng)物體，加快虛影的消除，減少了虛影對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)效果的影響，提高了檢測(cè)的準(zhǔn)確率，且更新頻率不易影響到檢測(cè)效果。 最后，對(duì)國(guó)內(nèi)外目前的陰影

3、檢測(cè)算法進(jìn)行了系統(tǒng)研究，分別對(duì)彩色空間和灰度空間中的陰影檢測(cè)算法做了分類比較與試驗(yàn)分析。在彩色空間中，針對(duì)陰影在RGB空間和HSV空間的不同特點(diǎn)，分別采用對(duì)應(yīng)的方法來檢測(cè)陰影。試驗(yàn)表明，RGB空間的陰影檢測(cè)算法的陰影檢測(cè)率高，但陰影識(shí)別率則低于HSV空間的陰影檢測(cè)算法，同時(shí)RGB空間的陰影檢測(cè)算法實(shí)時(shí)性更好?；叶瓤臻g中，在缺少顏色信息的情況下，采用基于Gabor字典的方法來提取陰影的紋理特征，通過背景點(diǎn)與陰影點(diǎn)的紋理特征相似的特點(diǎn)，來檢