基于自適應(yīng)背景模型的運(yùn)動目標(biāo)檢測.pdf

1、運(yùn)動目標(biāo)檢測是計算機(jī)視覺研究中非常重要的一部分，它的目的是將用戶感興趣的運(yùn)動目標(biāo)準(zhǔn)確、完整地從視頻序列中提取出來。運(yùn)動目標(biāo)檢測一直以來廣受計算機(jī)視覺研究領(lǐng)域的關(guān)注，主要有兩方面的原因。一是作為視覺研究的中層部分，運(yùn)動目標(biāo)檢測為目標(biāo)跟蹤、目標(biāo)分類和行為理解等更高層次的處理提供了基礎(chǔ)，被廣泛的應(yīng)用于智能視頻監(jiān)控等領(lǐng)域。二是運(yùn)動目標(biāo)檢測是計算機(jī)視覺里非常具有挑戰(zhàn)性的一個任務(wù)?，F(xiàn)實(shí)環(huán)境中，復(fù)雜的背景、動態(tài)噪聲或者非用戶感興趣的“無效運(yùn)動”、雨雪

2、天氣等給運(yùn)動目標(biāo)檢測帶來了極大的干擾。如何排除這些干擾，實(shí)現(xiàn)運(yùn)動目標(biāo)的魯棒、快速的檢測，一直是研究者們致力解決的問題。盡管經(jīng)過幾十年的研究，大量的運(yùn)動目標(biāo)檢測算法被提出，但是如何準(zhǔn)確描述場景并能快速適應(yīng)場景的動態(tài)變化至今仍是尚未解決的難題。為此，本文研究了一種背景模型自適應(yīng)學(xué)習(xí)的方法，該方法通過自動分析和學(xué)習(xí)場景的復(fù)雜性來不斷優(yōu)化背景模型，在此基礎(chǔ)上實(shí)現(xiàn)了視頻中運(yùn)動目標(biāo)的提取，并利用基于超像素的融合方法來優(yōu)化目標(biāo)區(qū)域。本文的主要工作如下

3、:
　　(1)研究了連續(xù)圖像序列中動態(tài)噪聲的變化特性，提出了場景動態(tài)屬性的度量方法。該方法利用連續(xù)視頻幀間的時空關(guān)系有效地提取出了背景動態(tài)噪聲區(qū)域，并將其量化為動態(tài)噪聲的度量，這使本文的方法能夠有效的區(qū)分前景運(yùn)動目標(biāo)和背景動態(tài)噪聲，為后續(xù)進(jìn)一步實(shí)現(xiàn)背景模型的自適應(yīng)變化提供重要的依據(jù)。
　　(2)提出了一種能夠自適應(yīng)環(huán)境變化的運(yùn)動目標(biāo)檢測方法。從像素級背景建模出發(fā)，通過度量場景的復(fù)雜程度并結(jié)合(1)中的動態(tài)屬性分析，實(shí)現(xiàn)了一種

4、背景模型自適應(yīng)各種復(fù)雜的環(huán)境變化的方法。該方法有兩個優(yōu)點(diǎn):一是能夠動態(tài)調(diào)節(jié)關(guān)鍵模型參數(shù)而不需要人為干預(yù)，這不同于傳統(tǒng)方法將模型的重要參數(shù)設(shè)置為常數(shù)或通過人工調(diào)節(jié)。二是基于像素級的算法設(shè)計簡單高效，使得我們的方法能夠?qū)崟r檢測視頻里的運(yùn)動目標(biāo)。在公共數(shù)據(jù)集CDnet2014上的實(shí)驗(yàn)表明，該方法對不同類的視頻具有很好的魯棒性，平均檢測準(zhǔn)確性(F-Measure)接近目前最優(yōu)秀的算法，并且達(dá)到23幀/秒的處理速度。
　　(3)提出了一種基