【摘要】：從視頻序列中提取出背景圖像是一項(xiàng)重要的基礎(chǔ)性技術(shù)。這項(xiàng)技術(shù)不僅應(yīng)用到移動(dòng)物體的目標(biāo)檢測上,還廣泛運(yùn)用在背景建模、目標(biāo)跟蹤、前景檢測、智能相機(jī),人機(jī)交互等技術(shù)中。工程應(yīng)用領(lǐng)域涉及到視頻監(jiān)控、交通流量檢測、智能機(jī)器人、無人機(jī)情報(bào)獲取,相機(jī)技術(shù)等。人眼在視覺方面具有局限性,包括識(shí)別目標(biāo)不清晰、復(fù)雜場景中目標(biāo)太多太快等因素,這影響到我們觀察的結(jié)果和對結(jié)果做出的判斷。人工視頻處理消耗時(shí)間人力,會(huì)造成錯(cuò)誤的判斷,無法保證監(jiān)控視頻分析所需要的實(shí)時(shí)性和準(zhǔn)確性。目前,動(dòng)態(tài)背景提取存在許多問題,包括目標(biāo)檢測不精確、背景建模的過程中容易受到天氣光照影響,很難從復(fù)雜變幻的場景中進(jìn)行背景提取等。由于上述因素,背景提取的結(jié)果無法避免模糊、重影和噪點(diǎn)。若背景提取的圖像不完整,便無法進(jìn)行后續(xù)的目標(biāo)運(yùn)動(dòng)跟蹤,不能應(yīng)用到背景建模和人機(jī)交互中。本文將針對上述對背景提取過程和結(jié)果中出現(xiàn)的問題進(jìn)行分析并解決,提出基于時(shí)變?yōu)V波器的背景提取方法,來獲得較為完整精確的背景模型,以提高背景提取結(jié)果的魯棒性,降低背景模型的信噪比,使得背景模型提取過程更加有效。本文提出了基于時(shí)變?yōu)V波器的背景提取方法,是在一段時(shí)間的動(dòng)態(tài)視頻中,將運(yùn)動(dòng)的前景檢測出來,并將除去前景的背景提取出來。時(shí)變?yōu)V波器算法主要應(yīng)用于復(fù)雜環(huán)境下動(dòng)態(tài)背景提取和更新。此算法首先對視頻序列的圖像建立原始樣本,通過改進(jìn)的雙閾值核密度估計(jì)算法,將加權(quán)后的樣本篩選出來,構(gòu)成采樣樣本;其次建立背景空間,將采集到的采集樣本投影到背景特征空間中,通過背景空間特征向量提取并降維,得到最終的背景模型圖像。在背景更新方面運(yùn)用短期模型和長期模型結(jié)合方法,采用基于改進(jìn)VIBE的像素點(diǎn)概率型更新算法更新背景。經(jīng)實(shí)驗(yàn)驗(yàn)證,本算法對比混合高斯法等經(jīng)典算法,在陸地和水面動(dòng)態(tài)環(huán)境下查準(zhǔn)率分別可達(dá)99%和85%,避免了光照和動(dòng)態(tài)因素影響,提取背景模型,并有效更新。
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;TN713
【圖文】：

長安大學(xué)碩士學(xué)位論文工作。但是目前在人的行為檢測上面，視頻采集后圖像處理存在較大問題，主要在景通常復(fù)雜多變，背景光線不穩(wěn)定，因此人體的檢測魯棒性大大降低。人體動(dòng)作信測尚且不能有效進(jìn)行，則更不用說人體動(dòng)作行為的異常分析。要解決上述問題，除硬件設(shè)備的高要求外，更需要對視頻分析及目標(biāo)檢測技術(shù)投入科研精力。此外，視測還廣泛應(yīng)用到人流量與車流量模型當(dāng)中[10]。

長安大學(xué)碩士學(xué)位論文第二章 動(dòng)態(tài)背景提取相關(guān)理論基礎(chǔ)宏觀介紹背景提取的算法分類，再介紹與時(shí)變?yōu)V波器相關(guān)的算法點(diǎn)研究非參數(shù)統(tǒng)計(jì)模型，并將貝葉斯理論應(yīng)用到時(shí)變?yōu)V波的模型取方法基本分類的算法核心分類如圖 2.1 所示，其中像素點(diǎn)作為背景建模算法最到研究者的追捧。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王輝;宋建新;;一種基于閾值的自適應(yīng)Vibe目標(biāo)檢測算法[J];計(jì)算機(jī)科學(xué);2015年S1期

2 王耀南;陳鐵健;賀振東;吳成中;;智能制造裝備視覺檢測控制方法綜述[J];控制理論與應(yīng)用;2015年03期

3 儲(chǔ)s

本文編號：2724426