運(yùn)動(dòng)目標(biāo)檢測是計(jì)算機(jī)視覺領(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)際場景中,還可以為目標(biāo)識別、跟蹤、分割等其它計(jì)算機(jī)視覺任務(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),旨在提高檢測算法的準(zhǔn)確性。通過對ViBe算法的深入研究分析,發(fā)現(xiàn)其存在的問題主要有:易出現(xiàn)“鬼影”、易受光照影響、復(fù)雜背景下效果不佳等。為了解決這些問題,本文對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)。首先對視頻作高斯金字塔處理,并對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,并對前景點(diǎn)進(jìn)行二次判斷。最后將改進(jìn)ViBe算法檢測的結(jié)果與高斯三幀差檢測的結(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邊緣檢測算法的ViBe算法的改進(jìn)。首先對傳統(tǒng)的Canny算子作出改進(jìn),主要是將梯度方向擴(kuò)展為八...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：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 主要研究內(nèi)容和組織架構(gòu)
        1.3.1 主要研究內(nèi)容
        1.3.2 本文組織架構(gòu)
2 預(yù)備知識
    2.1 運(yùn)動(dòng)目標(biāo)檢測算法
        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 檢測方法對比分析
        2.1.5 檢測算法的難點(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 前景檢測過程
    3.3 背景模型更新
    3.4 ViBe算法存在的問題
        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”消除對比
        4.3.2 定量評價(jià)指標(biāo)對比
    4.4 本章小結(jié)
5 融合Canny邊緣檢測的ViBe算法的改進(jìn)
    5.1 Canny邊緣檢測算法
    5.2 改進(jìn)的Canny算子
        5.2.1 基于八方向Sobel邊緣檢測模板
        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”消除對比
        5.4.2 定量評價(jià)指標(biāo)對比
    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”消除對比
        6.4.2 定量評價(jià)指標(biāo)對比
    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：3953379