運(yùn)動(dòng)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域中的一項(xiàng)關(guān)鍵技術(shù),其意義在于不僅可以應(yīng)用于安防領(lǐng)域、自動(dòng)駕駛以及智能家居系統(tǒng)等實(shí)際場(chǎng)景中,還可以為目標(biāo)識(shí)別、跟蹤、分割等其它計(jì)算機(jī)視覺(jué)任務(wù)提供有價(jià)值的信息。本文主要研究了以背景差分為基礎(chǔ)的ViBe算法,并在此基礎(chǔ)上作進(jìn)一步的分析和改進(jìn),旨在提高檢測(cè)算法的準(zhǔn)確性。通過(guò)對(duì)ViBe算法的深入研究分析,發(fā)現(xiàn)其存在的問(wèn)題主要有:易出現(xiàn)“鬼影”、易受光照影響、復(fù)雜背景下效果不佳等。為了解決這些問(wèn)題,本文對(duì)ViBe算法作出改進(jìn),主要內(nèi)容分為以下三個(gè)方面:(1)提出了結(jié)合高斯金字塔的ViBe算法的改進(jìn)。首先對(duì)視頻作高斯金字塔處理,并對(duì)每層視頻做三幀差操作,再將每層結(jié)果進(jìn)行融合。其次對(duì)ViBe算法作出改進(jìn):具體體現(xiàn)在初始化背景模型時(shí)采用多幀作處理;在背景更新時(shí)不再隨機(jī)選擇樣本點(diǎn)更新像素值,而是選擇與像素值歐氏距離最大的樣本點(diǎn)進(jìn)行更新,并對(duì)前景點(diǎn)進(jìn)行二次判斷。最后將改進(jìn)ViBe算法檢測(cè)的結(jié)果與高斯三幀差檢測(cè)的結(jié)果進(jìn)行邏輯“與”操作,進(jìn)而獲得更加完整的前景區(qū)域。(2)提出了融合Canny邊緣檢測(cè)算法的ViBe算法的改進(jìn)。首先對(duì)傳統(tǒng)的Canny算子作出改進(jìn),主要是將梯度方向擴(kuò)展為八...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 研究進(jìn)展
    1.3 主要研究?jī)?nèi)容和組織架構(gòu)
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 本文組織架構(gòu)
2 預(yù)備知識(shí)
    2.1 運(yùn)動(dòng)目標(biāo)檢測(cè)算法
        2.1.1 幀間差分法
        2.1.2 背景差分法
        2.1.3 光流法
        2.1.4 檢測(cè)方法對(duì)比分析
        2.1.5 檢測(cè)算法的難點(diǎn)
    2.2 圖像預(yù)處理
        2.2.1 圖像二值化
        2.2.2 圖像濾波
    2.3 圖像的形態(tài)學(xué)處理
        2.3.1 腐蝕和膨脹
        2.3.2 開(kāi)運(yùn)算和閉運(yùn)算
    2.4 實(shí)驗(yàn)數(shù)據(jù)集
        2.4.1 CDnet2012數(shù)據(jù)集
        2.4.2 CDnet2014數(shù)據(jù)集
    2.5 本章小結(jié)
3 ViBe算法
    3.1 背景模型初始化
    3.2 前景檢測(cè)過(guò)程
    3.3 背景模型更新
    3.4 ViBe算法存在的問(wèn)題
        3.4.1 “鬼影”區(qū)域
        3.4.2 復(fù)雜背景
        3.4.3 陰影區(qū)域
    3.5 本章小結(jié)
4 結(jié)合高斯金字塔的ViBe算法的改進(jìn)
    4.1 高斯三幀差
    4.2 改進(jìn)的ViBe算法G-ViBe
        4.2.1 背景模型初始化的改進(jìn)
        4.2.2 自適應(yīng)閾值
        4.2.3 背景模型更新的改進(jìn)
        4.2.4 TOM機(jī)制
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 “鬼影”消除對(duì)比
        4.3.2 定量評(píng)價(jià)指標(biāo)對(duì)比
    4.4 本章小結(jié)
5 融合Canny邊緣檢測(cè)的ViBe算法的改進(jìn)
    5.1 Canny邊緣檢測(cè)算法
    5.2 改進(jìn)的Canny算子
        5.2.1 基于八方向Sobel邊緣檢測(cè)模板
        5.2.2 利用OTSU算法計(jì)算高低閾值
    5.3 融合Canny邊緣檢測(cè)的改進(jìn)算法C-ViBe
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 “鬼影”消除對(duì)比
        5.4.2 定量評(píng)價(jià)指標(biāo)對(duì)比
    5.5 本章小結(jié)
6 基于熱傳導(dǎo)的ViBe算法的改進(jìn)
    6.1 自適應(yīng)距離閾值
    6.2 二值圖像上的熱傳導(dǎo)去噪
        6.2.1 熱傳導(dǎo)模型
        6.2.2 熱方程的數(shù)值解
    6.3 圖像分割和后處理
    6.4 實(shí)驗(yàn)結(jié)果與分析
        6.4.1 “鬼影”消除對(duì)比
        6.4.2 定量評(píng)價(jià)指標(biāo)對(duì)比
    6.5 本章小結(jié)
7 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)



本文編號(hào)：3953379