基于改進(jìn)的幀差法和背景差法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè).pdf

1、運(yùn)動(dòng)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域研究的重點(diǎn)和難點(diǎn)之一，它是運(yùn)動(dòng)目標(biāo)跟蹤和行為識(shí)別的基礎(chǔ)。幀差法、背景差分法和光流法等方法是目前運(yùn)動(dòng)目標(biāo)檢測(cè)的幾種常用方法。本文針對(duì)幀差法和背景差分法展開研究，對(duì)兩種方法分別進(jìn)行改進(jìn)和融合，并將融合算法應(yīng)用到復(fù)雜場(chǎng)景中進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，從而提高在復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)檢測(cè)的精確度。
　　首先，當(dāng)運(yùn)動(dòng)目標(biāo)和運(yùn)動(dòng)背景相似時(shí)，使用三幀差法不能得到運(yùn)動(dòng)目標(biāo)的完整輪廓。本文在兩幀差分法的基礎(chǔ)上，使用Canny

2、邊緣檢測(cè)算法提取運(yùn)動(dòng)目標(biāo)輪廓信息，再將其與三幀差分法結(jié)合，得到改進(jìn)的三幀差分法來(lái)提高復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)輪廓的完整性。
　　其次，由于傳統(tǒng)的高斯混合模型選擇的初始化均值參數(shù)是樣本點(diǎn)中的隨機(jī)數(shù)，因此導(dǎo)致檢測(cè)結(jié)果不理想。本文對(duì)高斯混合模型背景差分法進(jìn)行改進(jìn)，利用k-means聚類算法快速得到聚類中心點(diǎn)，再把該點(diǎn)作為高斯混合模型背景更新時(shí)的初始化均值參數(shù)，從而提高在復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)的檢測(cè)精度。
　　最后，為了提高多種場(chǎng)景下運(yùn)動(dòng)目標(biāo)