视频监控中运动目标检测算法的研究

论文摘要

运动目标检测是计算机视觉、视频监控领域的一个重要研究内容,视频图像的目标检测的效果直接影响到运动目标跟踪、分类以及高级处理行为理解。本文在总结以往的运动目标检测算法基础上,重点对复杂环境下进行运动目标检测、背景建模和基于混合高斯模型的阴影抑制问题三方面内容进行了研究。首先,针对帧差法、背景差法和光流法等检测算法进行了分析,研究了帧差法、背景差法和光流法的优缺点及改进方案;其次,研究了单高斯和混合高斯的背景建模方法,从内存的需求以及检测效果方面等多角度,深入分析了模型参数所起的作用。对高斯建模的检测算法进行系统研究,综合帧差法、背景差法和高斯建模法的特点,在此基础上提出了改进,通过粗略检测的方式应用到混合高斯模型中,还对更新算法进行了研究,使检测效果和处理速度达到最优;最后,经过对阴影抑制算法的研究,本文提出了基于混合高斯模型的阴影抑制算法,算法首先采用HSV颜色空间与原始颜色空间的不同特性来检测出运动前景是否为疑似的阴影,然后采用混合高斯模型对所检查的疑似阴影进行处理,最终完成阴影检测和抑制的任务。实验结果证明,基于高斯模型的运动阴影抑制算法能有效检测并抑制运动目标阴影,还具有较好的实时性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状及 OpenCV 概述
• 1.3 本文主要工作和文章结构
• 第二章 运动目标检测
• 2.1 运动目标检测
• 2.2 典型的运动检测方法
• 2.2.1 背景差法
• 2.2.2 帧差法
• 2.2.3 光流法
• 2.2.4 存在的问题
• 2.3 混合高斯背景模型
• 2.3.1 单高斯背景模型
• 2.3.2 混合高斯背景模型
• 2.3.3 运动检测算法性能比较
• 2.4 OpenCV 相关知识的介绍
• 2.4.1 OpenCV 的函数体系
• 2.4.2 高斯混合模型是用于背景提取的方法
• 2.5 小结
• 第三章 基于混合高斯模型的算法改进
• 3.1 引言
• 3.2 现有算法中存在的问题
• 3.3 背景差法和帧差法相结合
• 3.3.1 实验运行结果
• 3.3.2 实验结果分析
• 3.4 一种新的基于高斯模型的目标检测方法
• 3.4.1 基于块的边缘梯度相似度分析
• 3.4.2 背景提取更新
• 3.4.3 程序运行结果
• 3.5 小结
• 第四章 阴影抑制算法研究
• 4.1 引言
• 4.2 基于属性的阴影抑制算法
• 4.2.1 基于颜色空间变换的阴影抑制
• 4.2.2 基于统计的阴影抑制
• 4.2.3 基于色彩特征不变量的阴影抑制
• 4.2.4 基于物理模型的阴影抑制
• 4.3 一种基于混合高斯的阴影抑制算法
• 4.4 实验分析
• 4.5 小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 工作展望
• 参考文献
• 发表论文和科研情况说明
• 致谢