隨著科學(xué)技術(shù)的飛速發(fā)展,與機(jī)器視覺相關(guān)的智能交通、智能安防以及近年來迅速發(fā)展起來的智能家居等高科技技術(shù)已經(jīng)廣泛影響著人們的生活。目標(biāo)檢測(cè)作為機(jī)器視覺領(lǐng)域中的關(guān)鍵技術(shù)之一,一直以來都受到相關(guān)學(xué)者的高度關(guān)注。通常,目標(biāo)檢測(cè)是將視頻序列中有相對(duì)移動(dòng)的目標(biāo)提取出來,提取的結(jié)果直接影響對(duì)視頻后續(xù)的分析、識(shí)別和處理等工作的質(zhì)量。研究運(yùn)動(dòng)目標(biāo)區(qū)域的準(zhǔn)確提取始終是視頻運(yùn)動(dòng)目標(biāo)檢測(cè)問題中關(guān)注的焦點(diǎn)。本文重點(diǎn)圍繞基于低秩矩陣分解背景建模方法,展開視頻運(yùn)動(dòng)目標(biāo)檢測(cè)研究,提出了時(shí)間連續(xù)性約束的優(yōu)化低秩矩陣背景建模方法,并將其應(yīng)用于視頻運(yùn)動(dòng)目標(biāo)檢測(cè),提高視頻運(yùn)動(dòng)目標(biāo)檢測(cè)的準(zhǔn)確度;進(jìn)一步針對(duì)實(shí)際應(yīng)用中普遍存在的運(yùn)動(dòng)目標(biāo)陰影問題,提出采用融合紋理與顏色特征的目標(biāo)陰影檢測(cè)方法,有效去除投射陰影對(duì)運(yùn)動(dòng)目標(biāo)提取的影響,進(jìn)一步提升運(yùn)動(dòng)目標(biāo)檢測(cè)精度。本文的工作主要體現(xiàn)在以下三個(gè)方面:1.學(xué)習(xí)常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法,主要包括幀間差分法、光流法和背景減除法,并分別數(shù)值實(shí)現(xiàn)和對(duì)比分析了幾種有代表性的方法。特別深入研究了背景減除法中的低秩矩陣分解背景建模方法,指出時(shí)間連續(xù)性約束在低秩矩陣分解模型應(yīng)用于視頻運(yùn)動(dòng)目標(biāo)檢測(cè)中的重要性。2....

【文章頁數(shù)】：83 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
    1.4 本文內(nèi)容安排
第二章 常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法
    2.1 幀間差分法
    2.2 光流法
    2.3 背景減除法
        2.3.1 高斯模型背景建模
        2.3.2 低秩矩陣分解背景建模
    2.4 本章小結(jié)
第三章 優(yōu)化的低秩矩陣運(yùn)動(dòng)目標(biāo)檢測(cè)方法
    3.1 低秩矩陣分解運(yùn)動(dòng)目標(biāo)檢測(cè)方法
        3.1.1 低秩矩陣分解理論
        3.1.2 低秩矩陣分解算法
        3.1.3 低秩矩陣分解運(yùn)動(dòng)目標(biāo)檢測(cè)
    3.2 優(yōu)化的低秩矩陣運(yùn)動(dòng)目標(biāo)檢測(cè)
    3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第四章 紋理融合顏色的目標(biāo)陰影檢測(cè)方法
    4.1 陰影的形成與特點(diǎn)
    4.2 常用的陰影檢測(cè)方法
    4.3 紋理融合顏色的目標(biāo)陰影檢測(cè)方法
        4.3.1 HSV顏色空間陰影檢測(cè)方法
        4.3.2 改進(jìn)的N-LBP算子陰影檢測(cè)方法
        4.3.3 N-LBP紋理融合顏色的目標(biāo)陰影檢測(cè)方法
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的科研成果
致謝



本文編號(hào)：3819553