本文選題：背景建模 + 幀差法　； 參考：《哈爾濱工業(yè)大學(xué)學(xué)報(bào)》2017年09期

【摘要】：為改善視頻監(jiān)控中的背景建模方法對(duì)于前景目標(biāo)物較多或者光線變化的復(fù)雜環(huán)境效果不太理想的缺陷,提出一種多級(jí)分塊背景建模方法.該方法以間隔N幀幀差法為基礎(chǔ),采用多級(jí)分塊,并結(jié)合對(duì)稱二值模式(center-symmetric local binary pattern,CSLBP)和碼本(codebook,CB)等算法建立背景模型.通過(guò)模型得出背景較為清晰和完整,為下一步進(jìn)行前景目標(biāo)的準(zhǔn)確識(shí)別提供良好基礎(chǔ).采用設(shè)計(jì)實(shí)驗(yàn)檢驗(yàn)該方法的有效性,將其與局部二值模式(local binary pattern,LBP)、CSLBP、CB以及經(jīng)典的混合高斯背景建模(mixture of Gaussian,MOG)等算法進(jìn)行對(duì)比分析,得出采用此方法提取的前景目標(biāo)物更加完整,邊界更加清晰,且無(wú)明顯分塊圖形出現(xiàn).采用評(píng)分的方法對(duì)幾種方法進(jìn)行綜合評(píng)分,該方法評(píng)分較高.在對(duì)前景目標(biāo)物的提取方法中,該方法效果較好.
[Abstract]:In order to improve the defects of background modeling method in video surveillance, which is not ideal for the complex environment with more foreground objects or light changes, a multi-level segmented background modeling method is proposed. This method is based on the spaced N-frame difference method, uses multi-level block, and combines symmetric binary local binary pattern local (CSLBPN) and codebook (CBB) algorithms to establish the background model. The background is clear and complete through the model, which provides a good basis for the accurate recognition of the foreground target in the next step. The effectiveness of this method is verified by design experiments. The algorithm is compared with the local binary pattern LBPU / CSLBPU CB and the classical hybrid Gao Si background modeling mixture of Gaussian MOG. It is concluded that the foreground target extracted by this method is more complete. The boundary is clearer and there is no obvious block pattern. Using the method of scoring several methods for comprehensive evaluation, this method has a higher score. In the extraction of foreground object, the method is effective.
【作者單位】： 西南交通大學(xué)交通運(yùn)輸與物流學(xué)院;綜合交通運(yùn)輸智能化國(guó)家與地方聯(lián)合工程實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金(71402149,51578465) 西南交通大學(xué)博士創(chuàng)新基金(YH1000212471404)
【分類號(hào)】：TN948.6;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 丁洋;王曉曼;景文博;劉樹(shù)昌;都穎;;空中背景混合高斯快速建模算法[J];長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年05期

相關(guān)博士學(xué)位論文 前1條

1 葉芳芳;監(jiān)控視頻中的異常行為檢測(cè)研究[D];浙江大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 蘇建安;面向智能視頻監(jiān)控的高動(dòng)態(tài)場(chǎng)景建模和修復(fù)[D];電子科技大學(xué);2014年

2 陳星明;基于背景建模的運(yùn)動(dòng)目標(biāo)監(jiān)控視頻檢測(cè)算法[D];南京大學(xué);2015年

3 柯太清;基于快速背景建模的人物越界檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

4 葉家林;基于運(yùn)動(dòng)目標(biāo)的視頻濃縮技術(shù)研究[D];南京郵電大學(xué);2015年

5 陶志穎;基于人流量的公安群體性事件決策分析預(yù)警系統(tǒng)中若干問(wèn)題的研究[D];合肥工業(yè)大學(xué);2014年

6 李煒;武警勤務(wù)視頻監(jiān)控平臺(tái)開(kāi)發(fā)[D];西安工程大學(xué);2015年

7 田震;基于視覺(jué)仿生的視頻內(nèi)容分析方法研究[D];中國(guó)石油大學(xué)(華東);2014年

8 趙棟梁;改進(jìn)快速粒子濾波算法的多目標(biāo)檢測(cè)與跟蹤系統(tǒng)設(shè)計(jì)[D];重慶郵電大學(xué);2016年

9 石丹;基于背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的研究[D];西安科技大學(xué);2016年

10 湯達(dá)浚;基于背景建模與目標(biāo)建模的攝像頭臟點(diǎn)檢測(cè)研究[D];華南理工大學(xué);2014年

，

本文編號(hào)：1798634