近年來(lái),隨著計(jì)算機(jī)技術(shù)和互聯(lián)網(wǎng)的快速發(fā)展,計(jì)算機(jī)技術(shù)對(duì)創(chuàng)建智能化社會(huì)提供了良好的技術(shù)支持。其中,計(jì)算機(jī)視覺(jué)領(lǐng)域中的目標(biāo)檢測(cè)技術(shù)成為監(jiān)控領(lǐng)域的關(guān)鍵技術(shù),廣泛的應(yīng)用在醫(yī)療、交通測(cè)速、軍事打擊及其他一些領(lǐng)域。本文針對(duì)背景建模法進(jìn)行深入研究,提出了兩種改進(jìn)的混合高斯模型（Gaussian Mixture Model,GMM）目標(biāo)檢測(cè)算法,研究的主要內(nèi)容分為以下部分:（1）GMM在目標(biāo)檢測(cè)過(guò)程中容易受到燈光、目標(biāo)顏色與背景顏色相似、目標(biāo)陰影和拍攝高度等因素的干擾。針對(duì)以上問(wèn)題,提出了一種基于改進(jìn)整體嵌套邊緣檢測(cè)（Holistically-Nested Edge Detection,HED）網(wǎng)絡(luò)和Otsu雙閾值分割的GMM算法。首先,改進(jìn)模型針對(duì)視頻幀的背景、噪聲、前景目標(biāo)進(jìn)行雙閾值分割,合理選取高斯模型個(gè)數(shù)。其次,利用HED網(wǎng)絡(luò)對(duì)輸入圖片進(jìn)行邊緣檢測(cè)。將HED網(wǎng)絡(luò)檢測(cè)的邊緣結(jié)果和雙閾值分割的GMM檢測(cè)結(jié)果進(jìn)行與運(yùn)算,得到最終目標(biāo)檢測(cè)結(jié)果。（2）GMM算法在目標(biāo)檢測(cè)中采用固定的模型個(gè)數(shù)描述像素點(diǎn)的狀態(tài)、固定的學(xué)習(xí)率更新背景。針對(duì)GMM算法的以上不足,提出一種自適應(yīng)選取模型個(gè)數(shù)和學(xué)習(xí)率自適應(yīng)環(huán)境變化... 

【文章來(lái)源】：蘭州理工大學(xué)甘肅省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

點(diǎn)的三維運(yùn)動(dòng)到二維的投影

諛勘旮?倭煊蠐τ酶?加廣泛，在未知場(chǎng)景和視頻抖動(dòng)的情況下，能夠計(jì)算出運(yùn)動(dòng)目標(biāo)的速度，準(zhǔn)確的檢測(cè)出運(yùn)動(dòng)目標(biāo)。但是，光流法的缺點(diǎn)也是非常的明顯，在復(fù)雜場(chǎng)景中運(yùn)動(dòng)目標(biāo)消失、光照較強(qiáng)、噪聲和陰影的影響下，誤檢率比較高。光流法采用迭代的運(yùn)算方法，計(jì)算量比較大，需要一定的硬件支持，實(shí)時(shí)性比較差。3.2.2幀差法幀差法[42]又稱為時(shí)間差分法，是利用相鄰視頻幀之間同一位置像素點(diǎn)灰度值相減，通過(guò)經(jīng)驗(yàn)閾值判斷出視頻幀中的前景運(yùn)動(dòng)目標(biāo)和背景。目前常用的幀差法有二幀差分法[43]和三幀差分法[44]。二幀差分法原理圖如圖3.2所示。圖3.2二幀差分法流程圖輸入視頻幀獲得前一幀圖像),(1yxfk和當(dāng)前視頻幀yxf),(k。),(1yxfk和yxf),(k表示像素點(diǎn)yx),(在第k1幀和第k幀上的像素灰度值，通過(guò)對(duì)圖像進(jìn)行差分運(yùn)算后得到差分圖像的絕對(duì)值圖像),(,1yxDkk。),(),(),(1,1yxfyxfyxDkkkk（3.5）由以上式子可知背景部分在差分運(yùn)算中消除，剩余的部分為所需要的前景運(yùn)動(dòng)目標(biāo)，將絕對(duì)值圖像與經(jīng)驗(yàn)閾值Th進(jìn)行比較獲得二值化圖像),(,1yxRkk。

由式子（3.6）可知當(dāng)二值化圖像大于經(jīng)驗(yàn)閾值時(shí)，相對(duì)應(yīng)的圖像區(qū)域設(shè)置為1；當(dāng)二值化圖像小于經(jīng)驗(yàn)閾值時(shí)，對(duì)應(yīng)的圖像區(qū)域設(shè)置為 0，區(qū)分出前景目標(biāo)和背景。幀差法的重點(diǎn)和難點(diǎn)就是閾值選取，閾值選取較大時(shí)會(huì)使檢測(cè)結(jié)果不完整，閾值選取較小時(shí)會(huì)把背景當(dāng)做運(yùn)動(dòng)目標(biāo)。二幀差分法檢測(cè)結(jié)果如圖 3.3 所示。500 幀 1100 幀 1393 幀 1479 幀

【參考文獻(xiàn)】：
期刊論文
[1]祁連山地區(qū)林業(yè)資源對(duì)生態(tài)系統(tǒng)保護(hù)的作用[J]. 楊開(kāi)恩,焦?jié)蓶|.  農(nóng)業(yè)與技術(shù). 2019(22)
[2]基于圖像邊緣增強(qiáng)與弱化的邊緣檢測(cè)[J]. 張晗,錢(qián)育蓉,王躍飛,陳人和,田宸瑋.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(11)
[3]祁連山生態(tài)環(huán)境保護(hù)和綜合治理工程建設(shè)的必要性和可行性分析[J]. 王金梅.  農(nóng)業(yè)科技與信息. 2019(20)
[4]基于猶豫模糊集的古籍漢字圖像切分方法[J]. 齊艷媚,田學(xué)東,左麗娜.  科學(xué)技術(shù)與工程. 2019(30)
[5]基于改進(jìn)混合高斯模型與陰影去除的目標(biāo)檢測(cè)[J]. 王林,和萌.  計(jì)算機(jī)測(cè)量與控制. 2019(07)
[6]基于GMM和超像素馬爾科夫隨機(jī)場(chǎng)的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 王廣龍,朱文杰,高鳳岐,田杰.  傳感器與微系統(tǒng). 2019(06)
[7]基于混合高斯背景模型和四幀差分法的目標(biāo)檢測(cè)方法[J]. 張威虎,張夢(mèng),魏凡.  電子設(shè)計(jì)工程. 2019(07)
[8]一種改進(jìn)的HED網(wǎng)絡(luò)及其在邊緣檢測(cè)中的應(yīng)用[J]. 焦安波,何淼,羅海波.  紅外技術(shù). 2019(01)
[9]基于隸屬度函數(shù)的電力設(shè)備紅外圖像模糊增強(qiáng)算法研究[J]. 李振杰,張衛(wèi)國(guó),王智杰,陳曉東,牛東濤.  電子設(shè)計(jì)工程. 2018(18)
[10]基于改進(jìn)ViBe算法與三幀差法的運(yùn)動(dòng)檢測(cè)算法[J]. 楊依忠,張強(qiáng),汪鵬飛.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(08)



本文編號(hào)：3122834