首页> 中文学位 >基于背景建模的动态场景运动目标检测算法研究
【6h】

基于背景建模的动态场景运动目标检测算法研究

代理获取

目录

声明

摘要

第一章 绪论

1.1 课题研究的背景和意义

1.2 国内外研究现状

1.2.1 运动目标检测研究现状

1.2.2 背景建模算法研究

1.3 技术难点

1.4 论文的主要研究内容

第二章 经典背景建模方法分析

2.1 帧间差分法

2.2 ViBe背景建模算法

2.3 PBAS背景建模算法

2.4 基于高斯模型的背景建模

2.4.1 单高斯背景建模

2.4.2 混合高斯背景建模

2.5 本章小结

第三章 改进的双模型的运动目标检测方法

3.1 引言

3.2 双模型(DM)背景建模算法

3.2.1 自模型和邻域模型

3.2.2 前景背景检测

3.2.3 背景模型的更新

3.2.4 阈值更新

3.3 双模型背景建模算法分析

3.3.1 优点分析

3.3.2 缺点分析

3.4 EMD(enhanced dual model)运动目标检测算法

3.4.1 EDM的前景背景检测方式

3.4.2 EDM的自适应决策阈值更新

3.4.3 EDM对鬼影的去除

3.5 实验结果及分析

3.5.2 EDM的前景判断和阈值更新方法的目标检测实验

3.5.3 算法的定量分析

3.6 本章小结

第四章 基于纹理特征和颜色特征融合的背景建模算法

4.1 引言

4.2 特征融合算法实现流程

4.3 纹理特征和颜色特征

4.3.1 能量基本概念

4.3.2 颜色特征

4.4 背景建模

4.4.1 背景模型建立

4.4.2 模型匹配

4.4.3 模型更新

4.4.4 决策阈值更新

4.4.5 学习率更新

4.5 实验结果及分析

4.5.1 实验参数设置

4.5.2 定性分析实验结果

4.6 单特征与特征融合对比实验

4.6.1 单特征背景建模

4.6.2 单特征与特征融合对比实验

4.7 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

攻读硕士期间发表的论文

致谢

展开▼

摘要

在计算机视觉领域中,目标检测占有十分重要的地位。论文阐述了国内外视频监控系统的发展现状,重点说明了背景建模算法在运动目标检测中的作用和地位,对比和分析了经典背景建模算法的性能,提出了改进的双模型运动目标检测算法和基于纹理特征和颜色特征融合的背景建模算法。
  论文研究了背景建模算法的相关理论,分析了四种经典背景建模算法的优势与不足,阐述了各个算法的适用场景和检测效果。
  在动态背景下,鉴于双模型算法检测运动目标时会出现误检、目标检测不完整和出现鬼影的现象,本文提出一种改进的双模型运动目标检测算法。该算法首先对双模型背景的判断方式改进,将新来像素点图像值与背景模型对应位置样本值之间的距离和阈值进行比较,可以全面地区分前景和背景;然后根据自模型和邻域模型对前景背景的判断结果,作为阈值增减幅度的条件,对自适应阈值更新方式改进,该改进方法能够更精确地检测出前景;最后,本文结合帧间差分技术,通过比较对应位置像素值的时域变化来判断鬼影像素,以达到快速消除鬼影的目的。
  本文研究了基于纹理特征和颜色特征融合的背景建模算法。首先,提取像素点RGB颜色特征,即对R,G,B三通道值进行归一化处理,以及基于区域的纹理能量特征。之后用两种特征构成特征向量,对该联合特征完成建模;最后,根据复杂背景的动态反馈机制获得自适应聚类的阈值和自适应更新阈值进行随机聚类,从而使得在动态场景中检测效果比较突出。通过实验结果分析发现,本文的算法在动态背景下有明显优势。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号