基于混合高斯模型的运动目标检测技术研究

论文摘要

随着计算机技科学、通信技术的发展,以及人们安防意识的不断提高,如今,越来越多的摄像头被安装在停车场、交通枢纽、商场、社区等公共场所。由于这些摄像头的不停运作,导致了许多的原始信息的产生。它们或者由专人监控或者被存储起来。而这些信息由人工处理会是一件十分单调的工作。因为在监控到的信息中有许多不是我们所关心的东西,这就需要研究工作者制定算法让机器帮助人们完成目标的检测与提取工作,以便减少人力成本。目前,运动目标检测算法主要分为三类：光流法,帧间差分法和背景差除法。其中背景差除法作为主流方法,基本思想首先建立一个与真实背影较接近的背影模型,然后将待检测的帧与背景模型进行差分运算,根据预先设定的阈值,找出不满足模型的部分,作为前景。可以看出在该方法中,背景建模对目标的提取致关重要,而混合高斯模型是目前背景建模中较流行的方法之一,受到广泛的关注。但该方法存在计算量大和目标停留背景某点较长时会转变成背景的情形等不足。针对这些问题,本文做了一些研究探讨,主要工作如下：(1)在基于混合高斯模型的运动目标检测的经典算法中,由于背景建模是针对每一个像素点而言的,而且每一个像素点都建立三个模型,导致使用该方法检测运动需要花费较长的时间。本文结合商空间分层方法,利用其求解问题的优点,通过本文给定一个合适的等价关系,将被检测的图像由原来的像素级抽象到粒度级,通过属性变换,得到商空间([X],[f],[T])的商属性[f]。然后通过对商空间中的粒度建模,这样就会大大加快了运动目标检测的速度。(2)针对在使用混合高斯模型检测运动目标的过程中,由于运动目标停留在场景中超过一段时间后,会转化为背景的情况,从而使检测的运动目标出现不连续性,影响后续的目标跟踪与定位。本文通过使用一个矩形来标记检测到的运动目标,然后判断被检测的运动目标停留在场景中的时间,假如出现上述情况时,采取只更新标记运动目标区域外的背景区域,否则整幅图像的模型全部更新,从而能够保证检测的运动目标在场景中连续出现,也方便了后续的目标分类与识别、行为理解、运动分析等高级处理。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.2 国内外研究现状
• 1.3 本文主要研究内容及章节安排
• 第2章 运动目标检测算法概述
• 2.1 引言
• 2.2 运动目标检测常用算法
• 2.2.1 基于光流场的运动目标检测方法
• 2.2.2 基于帧间差分法的运动目标检测方法
• 2.2.3 基于背景差除法的运动目标检测方法
• 2.3 本章小结
• 第3章 混合高斯模型
• 3.1 运动序列图像像素值的统计特征
• 3.2 混合高斯模型
• 3.2.1 混合高斯背景建模原理
• 3.2.2 混合高斯模型算法分析
• 3.3 本章小结
• 第4章 商空间分层方法
• 4.1 引言
• 4.2 问题求解的商空间描述
• 4.3 商空间粒度关系推理
• 4.4 等价关系与粒度的构造
• 4.5 混合高斯模型与商空间分层方法结合
• 4.6 本章小结
• 第5章 基于商空间分层方法的混合高斯模型的运动目标检测
• 5.1 商空间分层方法下的混合高斯模型
• 5.1.1 问题描述
• 5.1.2 模型的创建及更新
• 5.2 运动目标消失处理
• 5.3 本文算法的流程图
• 5.4 仿真实验及分析（1）
• 5.4.1 实验环境以及实验素材
• 5.4.2 单目标检测对比结果
• 5.4.3 多目标检测对比结果
• 5.4.4 实验性能分析
• 5.5 仿真实验及分析（2）
• 5.6 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 附录Ⅰ 图索引
• Appendix Ⅰ Figure Index
• 附录Ⅱ 表索引
• Appendix Ⅱ Table Index
• 致谢
• 攻读硕士学位期间从事的科研项目以及发表的论文