【摘要】：從視頻序列中提取出背景圖像是一項重要的基礎性技術(shù)。這項技術(shù)不僅應用到移動物體的目標檢測上,還廣泛運用在背景建模、目標跟蹤、前景檢測、智能相機,人機交互等技術(shù)中。工程應用領域涉及到視頻監(jiān)控、交通流量檢測、智能機器人、無人機情報獲取,相機技術(shù)等。人眼在視覺方面具有局限性,包括識別目標不清晰、復雜場景中目標太多太快等因素,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間人力,會造成錯誤的判斷,無法保證監(jiān)控視頻分析所需要的實時性和準確性。目前,動態(tài)背景提取存在許多問題,包括目標檢測不精確、背景建模的過程中容易受到天氣光照影響,很難從復雜變幻的場景中進行背景提取等。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。若背景提取的圖像不完整,便無法進行后續(xù)的目標運動跟蹤,不能應用到背景建模和人機交互中。本文將針對上述對背景提取過程和結(jié)果中出現(xiàn)的問題進行分析并解決,提出基于時變?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。本文提出了基于時變?yōu)V波器的背景提取方法,是在一段時間的動態(tài)視頻中,將運動的前景檢測出來,并將除去前景的背景提取出來。時變?yōu)V波器算法主要應用于復雜環(huán)境下動態(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,通過改進的雙閾值核密度估計算法,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。在背景更新方面運用短期模型和長期模型結(jié)合方法,采用基于改進VIBE的像素點概率型更新算法更新背景。經(jīng)實驗驗證,本算法對比混合高斯法等經(jīng)典算法,在陸地和水面動態(tài)環(huán)境下查準率分別可達99%和85%,避免了光照和動態(tài)因素影響,提取背景模型,并有效更新。
【學位授予單位】：長安大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;TN713
【圖文】：

長安大學碩士學位論文工作。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。人體動作信測尚且不能有效進行，則更不用說人體動作行為的異常分析。要解決上述問題，除硬件設備的高要求外，更需要對視頻分析及目標檢測技術(shù)投入科研精力。此外，視測還廣泛應用到人流量與車流量模型當中[10]。

長安大學碩士學位論文第二章 動態(tài)背景提取相關(guān)理論基礎宏觀介紹背景提取的算法分類，再介紹與時變?yōu)V波器相關(guān)的算法點研究非參數(shù)統(tǒng)計模型，并將貝葉斯理論應用到時變?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，其中像素點作為背景建模算法最到研究者的追捧。

【參考文獻】

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Vibe目標檢測算法[J];計算機科學;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];控制理論與應用;2015年03期

3 儲s

本文編號：2724426