本文關鍵詞：基于碼本學習的背景建模方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：在實際監(jiān)控視頻場景中,由于外部光照的變化、前景運動目標擾動以及場景中某些背景本身的變化,很難保證背景模型的準確性。因此,建立實時適應場景變化的背景模型具有重要意義�；诖�,本論文做了如下工作:1.在經(jīng)典碼本背景模型的基礎上通過融合場景信息提出了一種基于自適應碼本背景更新的前景檢測系統(tǒng)。2.結合像素鄰域HOG特征更新碼本背景模型,以此來消除光照突變引起的偽前景。利用HOG特征描述子的光照不變,創(chuàng)新地提出了一種基于像素鄰域的檢測區(qū)域劃分策略,并通過對比HOG距離來判斷光照突變偽前景,更新像素信息到碼本模型來消除光照突變偽前景。3.結合灰度閾值和像素鄰域互相關系數(shù)特征,對陰影進行檢測,并實時得更新碼本背景,進而消除運動前景伴隨的陰影。利用陰影灰度值較小,陰影區(qū)域與場景近似滿足線性相關等特征來確定陰影區(qū)域,并通過更新碼本模型消除了運動目標產(chǎn)生的陰影。4.根據(jù)課題提出的前景檢測系統(tǒng)設計了整體的實驗流程,然后將該方法與其他的背景建模方法(MOG、經(jīng)典碼本等)相對比,在時間效率、內(nèi)存占用和前景檢測效果上進行詳細的對比分析�；谝陨细倪M的碼本背景模型具有較好的陰影去除效果和光照突變偽前景的辨別能力。
【關鍵詞】：碼本模型 前景檢測 光照突變 陰影消除
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN948.6
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-18
• 1.1 課題研究背景及意義10-11
• 1.2 前景目標檢測研究現(xiàn)狀及發(fā)展趨勢11-13
• 1.2.1 幀差法11-12
• 1.2.2 光流法12-13
• 1.2.3 背景減除法13
• 1.3 背景減除與背景建模技術的研究現(xiàn)狀13-16
• 1.3.1 多種背景建模方法14
• 1.3.2 背景建模技術難點14-15
• 1.3.3 碼本背景模型15-16
• 1.4 主要內(nèi)容與論文安排16-18
• 第二章 基于自適應碼本更新的前景檢測系統(tǒng)設計18-30
• 2.1 前景檢測系統(tǒng)整體流程設計18
• 2.2 碼本背景模型初始化分析18-22
• 2.2.1 碼本結構的定義分析19
• 2.2.2 碼字的結構分析19-20
• 2.2.3 碼本訓練過程分析20-22
• 2.3 偽前景信息判斷策略設計22-24
• 2.3.1 光照突變偽前景判斷策略設計22-23
• 2.3.2 運動前景陰影判斷策略設計23
• 2.3.3 光影噪點偽前景去除策略設計23-24
• 2.4 碼本背景模型的自適應更新策略設計24-27
• 2.4.1 偽前景像素信息更新到碼本背景模型的算法設計24-25
• 2.4.2 緩存Cache中的真實前景融入背景的過程分析25-26
• 2.4.3 碼本與Cache中消極碼字的消除算法分析26-27
• 2.4.4 由背景模型得到背景圖像的算法設計27
• 2.5 背景減除策略設計27-28
• 2.5.1 背景減除原理27-28
• 2.5.2 碼字匹配策略28
• 2.5.3 分割前景得到前景二值圖28
• 2.6 本章小結28-30
• 第三章 基于像素鄰域HOG特征消除光照突變偽前景的算法設計30-51
• 3.1 HOG特征原理及提取方法分析30-37
• 3.1.1 圖像的方向梯度分析30-32
• 3.1.2 方向梯度直方圖特征分析32-33
• 3.1.3 提取圖像的HOG特征策略設計33-37
• 3.2 基于像素鄰域的檢測區(qū)域劃分策略設計37-43
• 3.2.1 像素鄰域定義策略設計37-38
• 3.2.2 前景邊緣檢測策略分析38-39
• 3.2.3 檢測像素點像素鄰域劃分算法設計39-40
• 3.2.4 像素鄰域內(nèi)的Block劃分和Block緩存結構體分析40-43
• 3.3 更新碼本背景模型策略設計43-44
• 3.3.1 根據(jù)像素鄰域HOG特征距離判斷偽前景算法設計43
• 3.3.2 偽前景像素信息更新碼本背景模型的策略設計43-44
• 3.4 光照突變消除實驗與分析44-50
• 3.4.1 復雜光照變化場景下的偽前景消除實驗與分析44-48
• 3.4.2 大面積前景進入場景時檢測速度提高分析48-50
• 3.5 本章小結50-51
• 第四章 基于亮度閾值和互相關系數(shù)特征消除陰影的算法設計51-64
• 4.1 亮度閾值判斷陰影區(qū)域策略設計51-53
• 4.1.1 前景圖像和背景圖像像素點灰度值提取策略51-52
• 4.1.2 基于灰度范圍的陰影判斷算法分析52-53
• 4.2 結合像素鄰域的互相關系數(shù)計算方法設計53-57
• 4.2.1 相關分析概述53-54
• 4.2.2 互相關函數(shù)與互相關系數(shù)54
• 4.2.3 描述圖像間相關性的互相關系數(shù)分析54-55
• 4.2.4 計算互相關系數(shù)的鄰域劃分策略55
• 4.2.5 像素鄰域的歸一化互相關系數(shù)計算55-57
• 4.3 更新背景模型策略設計57
• 4.4 陰影消除實驗與分析57-63
• 4.5 本章小結63-64
• 第五章 前景檢測系統(tǒng)實驗及分析64-75
• 5.1 復雜場景下前景檢測系統(tǒng)實驗與分析64-65
• 5.2 多種背景模型對比實驗與分析65-68
• 5.3 多種背景模型FDR分析68-71
• 5.4 完整視頻序列前景檢測實驗與分析71-74
• 5.5 本章小結74-75
• 第六章 總結與展望75-77
• 6.1 論文總結75
• 6.2 課題展望75-77
• 致謝77-78
• 參考文獻78-84
• 攻讀碩士學位期間取得的成果84-85

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 周金芝;王娟;;基于HOG的人體檢測方法的改進[J];軟件導刊;2011年04期

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 普婕;復雜動態(tài)場景背景建模與目標檢測技術研究[D];電子科技大學;2013年

2 王先榮;多階編碼本背景模型與應用[D];西南交通大學;2013年

  本文關鍵詞：基于碼本學習的背景建模方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：295742