隨著圖像識(shí)別技術(shù)的發(fā)展,對(duì)從視頻中準(zhǔn)確的檢測(cè)出動(dòng)態(tài)前景目標(biāo)的需求與日俱增。前景目標(biāo)的檢測(cè)對(duì)目標(biāo)跟蹤、行為識(shí)別等等后續(xù)研究具有重要意義。通過(guò)提取視頻中的背景圖像,應(yīng)用背景減除法,就可以得到視頻中的動(dòng)態(tài)前景目標(biāo)。因此,視頻背景圖像的準(zhǔn)確提取對(duì)前景目標(biāo)檢測(cè)有著十分重要的作用。但提取出真實(shí)的背景圖像是比較困難的,因?yàn)樗鼤?huì)受到自然環(huán)境的變化、拍攝設(shè)備的檢測(cè)誤差等多方面的干擾。而傳統(tǒng)基于模型的背景提取方法往往會(huì)受到上述干擾因素的影響而發(fā)生模型失真的問(wèn)題,不能準(zhǔn)確的提取背景進(jìn)而使得檢測(cè)出的前景目標(biāo)也難以辨認(rèn)。無(wú)模型自適應(yīng)控制(Model-Free Adaptive Control,MFAC)方法不需要建立機(jī)理模型,僅由系統(tǒng)中變化的數(shù)據(jù)來(lái)得到控制算法,可以很好的避免依賴(lài)模型而造成的一切問(wèn)題,并且根據(jù)處理對(duì)象的復(fù)雜程度有三種結(jié)構(gòu)不同的控制方案可供選擇。因此,本文著重進(jìn)行基于MFAC在圖像識(shí)別領(lǐng)域中背景圖像提取及前景目標(biāo)檢測(cè)的應(yīng)用研究。本文的主要內(nèi)容如下:首先,理論分析了 MFAC方法用于背景圖像提取的可行性,實(shí)現(xiàn)了基于單入單出(single input and single output,SISO)緊格式、偏格式和全格式這三種格式的MFAC方法來(lái)進(jìn)行視頻背景圖像的提取。其背景提取效果和傳統(tǒng)基于模型方法的對(duì)比表明MFAC方法性能更好,提取的背景更加穩(wěn)定,抗干擾能力更強(qiáng)。同時(shí),基于MFAC方法提取的背景所檢測(cè)出的前景目標(biāo)更準(zhǔn)確,并且根據(jù)環(huán)境復(fù)雜程度不同有三種格式可供選擇。其次,為了充分利用圖像的色彩信息,避免由于將彩色圖像進(jìn)行灰度化處理使得一些關(guān)鍵色彩信息缺失,本文還建立了基于多入多出(multiple input and multiple output,MIMO)MFAC的彩色背景圖像提取方法。可直接在RGB三通道上對(duì)彩色圖像進(jìn)行處理,有效得到彩色背景圖像,同時(shí)基于彩色背景相比于灰度背景所檢測(cè)出的前景目標(biāo)更清晰。提取出的彩色背景還可為陰影去除的研究提供基礎(chǔ)。最后,關(guān)于動(dòng)態(tài)背景和陰影去除進(jìn)行了改進(jìn)研究。在動(dòng)態(tài)背景中可依據(jù)背景動(dòng)態(tài)程度自動(dòng)的去設(shè)置背景前景分離閾值,實(shí)現(xiàn)了在動(dòng)態(tài)背景下清晰的檢測(cè)出前景目標(biāo)。同時(shí),針對(duì)因光照造成的前景目標(biāo)攜帶陰影的問(wèn)題,進(jìn)行了基于彩色背景圖像的陰影去除方法改進(jìn),利用陰影與背景圖像的顏色差異特性得出了陰影檢測(cè)的判斷方法,可以達(dá)到良好的去除陰影的效果。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：TP391.41;TP273.2
【部分圖文】：

圖２－１圖像采樣逡逑Ｆｉ．２－１邋Ｉｍａｅ邋ｓａｍｌｉｎ

圖２－２圖像灰度化效果逡逑Ｆｉｇ．２－２邋Ｇｒａｙｓｃａｌｅ邋ｅｆｆｅｃｔ邋ｏｆ邋ｉｍａｇｅ逡逑

幀差分法流程

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 侯忠生;董航瑞;金尚泰;;基于坐標(biāo)補(bǔ)償?shù)淖詣?dòng)泊車(chē)系統(tǒng)無(wú)模型自適應(yīng)控制[J];自動(dòng)化學(xué)報(bào);2015年04期

2 余燁;曹明偉;岳峰;;EVibe:一種改進(jìn)的Vibe運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J];儀器儀表學(xué)報(bào);2014年04期

3 彭智浩;楊風(fēng)暴;王志社;陳磊;;基于數(shù)學(xué)形態(tài)學(xué)和自動(dòng)區(qū)域生長(zhǎng)的紅外目標(biāo)提取[J];紅外技術(shù);2014年01期

4 戴夏強(qiáng);周大可;鹿樂(lè);;基于匹配分布和混合高斯模型的車(chē)輛檢測(cè)算法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年05期

5 王瑋;李紅波;吳渝;;一種運(yùn)動(dòng)目標(biāo)陰影輪廓的兩步檢測(cè)算法[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年03期

6 侯忠生;許建新;;數(shù)據(jù)驅(qū)動(dòng)控制理論及方法的回顧和展望[J];自動(dòng)化學(xué)報(bào);2009年06期

7 查成東;王長(zhǎng)松;鞏憲鋒;周家新;;基于自適應(yīng)背景模型的運(yùn)動(dòng)目標(biāo)檢測(cè)[J];光電工程;2008年01期

8 朱錚濤;曾江翔;王志萍;;基于卡爾曼濾波的背景估計(jì)及其算法實(shí)現(xiàn)[J];微計(jì)算機(jī)信息;2007年28期

9 陳鳳東,洪炳昒;基于動(dòng)態(tài)閾值背景差分算法的目標(biāo)檢測(cè)方法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2005年07期

10 王曉衛(wèi),寧固;一種改進(jìn)的基于光流的運(yùn)動(dòng)目標(biāo)的檢測(cè)算法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2003年03期

相關(guān)碩士學(xué)位論文 前1條

1 王超;基于彩色視頻圖像的目標(biāo)跟蹤研究[D];浙江大學(xué);2013年

本文編號(hào)：2830619