基于背景建模的运动目标检测算法研究

基于背景建模的运动目标检测算法研究

论文摘要

近年来,运动目标检测已经成为计算机视觉、应用数学等交叉学科领域的一个备受关注的研究热点。运动目标检测就是把感兴趣的运动物体提取出来。它是智能视频监控系统的核心内容之一,是进行后续识别,跟踪的关键环节。然而,由于复杂动态场景中树枝叶的摇曳、水面的波动、喷泉等背景区域的频繁变化,当前的运动目标检测算法在检测的准确性和实时性上面临着巨大的挑战。于是,本文针对为克服背景区域频繁变化这一关键问题进行研究,提出了一种有效的基于背景建模的运动目标检测算法,主要的研究工作如下:首先,提出了一种模型个数动态分配的背景建模算法,用于运动目标检测。该算法的主要思想是,在图像所有像素的模型总个数固定的情况下,对于频繁变化的背景点,当未达到像素点自身的模型个数上限且不超过图像模型总个数的前提下,可以“借用”相对稳定的区域像素点的未用模型个数的名额。这样,根据模型转化规则,通过删除模型、增加模型、替换模型来动态分配模型个数并进行模型的参数更新,以实现背景模型的生成,从而使得背景模型个数能够随着场景的变化动态调整。然后,结合时空域的背景模型进行前景点检测,以此消除动态背景干扰的影响。其次,光照后处理过程中,在HOG(Histograms of Oriented Gradients)特征的基础上加以改进,通过边缘信息描述物体的形状特征。然后通过一种基于Bhattacharyya系数度量的前景验证方法来克服光照变化造成的误检。再次,对本文的算法进行了分析和实验,各种经典场景下的实验结果表明,该算法能够有效处理复杂动态场景中的背景扰动如摇曳的树枝、波动的水纹、喷泉和光照变化,将运动目标较为精确的检测出来。与传统的运动目标检测方法相比,具有更好的实时性和准确性。最后,对基于背景建模的运动目标检测算法中存在的难点问题进行了总结和展望。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 研究背景及意义
  • 1.2 研究历史及现状
  • 1.2.1 运动目标检测的研究历史及现状
  • 1.2.2 背景建模算法的研究历史及现状
  • 1.3 本文的主要内容
  • 1.4 本文的结构安排
  • 第2章 运动目标检测主要算法的综述与分析
  • 2.1 时间差分法
  • 2.2 光流法
  • 2.3 背景差分法
  • 2.3.1 统计平均法
  • 4方法'>2.3.2 W4方法
  • 2.3.3 混合高斯背景建模法
  • 2.3.4 非参数核密度估计法
  • 2.4 本章小结
  • 第3章 基于模型个数动态分配的背景建模算法
  • 3.1 引言
  • 3.2 算法思想
  • 3.3 模型个数动态分配及参数更新策略
  • 3.3.1 模型参数初始化
  • 3.3.2 模型个数的动态分配及参数更新
  • 3.4 生成背景模型
  • 3.5 基于时空域背景模型的前景点检测
  • 3.5.1 时域背景模型的前景点检测
  • 3.5.2 结合空域背景模型的前景点检测
  • 3.6 实验分析
  • 3.6.1 图像处理分析
  • 3.6.2 算法性能分析
  • 3.7 实验结果
  • 3.8 小结
  • 第4章 背景建模后的光照后处理
  • 4.1 引言
  • 4.2 一种改进的HOG特征
  • 4.2.1 HOG特征
  • 4.2.2 改进的特征提取算法
  • 4.3 光照后处理
  • 4.3.1 Bhattacharyya系数
  • 4.3.2 基于Bhattacharyya系数度量的前景验证
  • 4.4 实验分析
  • 4.5 实验结果
  • 4.6 本章小结
  • 第5章 总结与展望
  • 5.1 总结
  • 5.2 展望
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].基于改进的特征提取网络的目标检测算法[J]. 激光与光电子学进展 2019(23)
    • [2].电力监控系统中运动目标检测算法研究[J]. 数字技术与应用 2019(12)
    • [3].基于变周期梯形毫米波二维配对多目标检测算法[J]. 微波学报 2020(02)
    • [4].基于卷积神经网络的目标检测算法综述[J]. 苏州科技大学学报(自然科学版) 2020(02)
    • [5].基于四旋翼无人机平台的实时多目标检测算法[J]. 计算机仿真 2020(04)
    • [6].基于深度学习的目标检测算法研究综述[J]. 计算机与现代化 2020(05)
    • [7].基于遮挡标记的目标检测算法[J]. 中南民族大学学报(自然科学版) 2020(03)
    • [8].基于深度学习的单阶段目标检测算法研究综述[J]. 航空兵器 2020(03)
    • [9].基于有效感受野的目标检测算法[J]. 山西大同大学学报(自然科学版) 2020(04)
    • [10].深度卷积神经网络的目标检测算法综述[J]. 计算机工程与应用 2020(17)
    • [11].基于关键点的目标检测算法综述[J]. 信息技术与标准化 2020(06)
    • [12].深度学习目标检测算法在货运列车车钩识别中的应用[J]. 铁道科学与工程学报 2020(10)
    • [13].基于回归与深度强化学习的目标检测算法[J]. 软件导刊 2018(12)
    • [14].特征显著性的车辆目标检测算法[J]. 河南科技大学学报(自然科学版) 2017(01)
    • [15].一种基于数据聚类的目标检测算法[J]. 机电产品开发与创新 2016(06)
    • [16].多分支卷积块的目标检测算法[J]. 赤峰学院学报(自然科学版) 2020(10)
    • [17].一种基于深度学习的遥感图像目标检测算法[J]. 计算机工程与科学 2019(12)
    • [18].重点区域注意力学习的空对地目标检测算法[J]. 激光与光电子学进展 2020(04)
    • [19].基于深度卷积神经网络的小目标检测算法[J]. 计算机工程与科学 2020(04)
    • [20].基于注意力机制和特征融合改进的小目标检测算法[J]. 计算机应用与软件 2020(05)
    • [21].基于深度学习的图像目标检测算法研究[J]. 国外电子测量技术 2020(08)
    • [22].基于深度卷积神经网络的目标检测算法进展[J]. 南京邮电大学学报(自然科学版) 2019(05)
    • [23].基于背景遗传模型的运动目标检测算法[J]. 自动化技术与应用 2017(03)
    • [24].一种改进的毫米波雷达多目标检测算法[J]. 通信技术 2015(07)
    • [25].达芬奇平台下的运动目标检测算法的应用研究[J]. 计算机技术与发展 2013(11)
    • [26].高光谱图像目标检测算法分析[J]. 测绘科学 2012(01)
    • [27].基于深度学习的目标检测算法研究与应用[J]. 计算机产品与流通 2020(01)
    • [28].基于特征增强及密集场景优化的遥感目标检测算法[J]. 传感器与微系统 2020(01)
    • [29].室内穿墙场景下的无源人体目标检测算法[J]. 电子与信息学报 2020(03)
    • [30].虚拟现实技术舰船高速航行图像目标检测算法[J]. 舰船科学技术 2020(04)

    标签:;  ;  ;  ;  ;  

    基于背景建模的运动目标检测算法研究
    下载Doc文档

    猜你喜欢