动态视频背景更新方法研究

摘要

近年来,视频监控由于其在生产生活中的重要性,越来越受到人们的重视。交通安全、公安破案、生产安全、商场安保、小区安保,视频监控遍及生产生活的各个方面。而运动目标检测作为视频监控的重要目标,成为研究的重点。运动目标检测的目的是从视频序列中寻找变化的区域,从而分离出运动目标。对变化区域的有效分割是后期目标识别,目标跟踪和行为理解的基础。因此目标检测的效率和效果对视频的后期处理至关重要。背景差法作为动态视频中简单有效的运动目标检测方法,在交通监控,银行监控等方面得到推广,在行为分析和视觉检测中也是重要的辅助手段。背景差法包括了视频图像预处理、背景建模、运动目标检测和背景更新这四个主要步骤。背景差法中,运动目标检测的关键是完整稳定背景的获取,所以动态视频背景的更新成为研究的重点。
　　本文首先对传统的背景差法进行了详细全面的介绍,并且分析了几种典型背景差法的原理和优缺点。针对大流量交通环境下,运动目标提取问题,提出了一种基于像素检测的类中值滤波预测方法。此方法使用了双阈值阈值分割法作为前景检测方法,并利用细菌觅食优化算法对其进行优化,提高计算速度,运动目标分割效果提升明显,基本满足了实时监控的要求。针对快速交通情况提出了一种基于分块分类的Kalman滤波背景更新优化算法,提出了二级分块下三级分类的背景更新模型,获得了较好视频背景。两种方法各有优缺点,前者计算量较大,对硬件有一定要求,适用于处理车辆行驶缓慢,车辆有暂停的情况,而后者计算量小,视频处理速度快,硬件要求较低,适用于快速交通情况。
　　本文算法利用Matlab和C语言编程实现。采集不同时段不同光照条件下的交通视频,经过多次实验。结果表明,本文提出的动态视频背景更新算法可以满足实时性和准确性要求,在大流量交通环境下目标检测效果明显,目标清晰完整。基于分块分类的Kalman滤波算法,在时间效率和获得背景的效果上都较之前算法有所提升。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1研究目的和意义

1.2国内外研究现状

1.3课题研究内容

1.4文章结构

2动态视频背景更新方法综述

2.1时间差分法

2.2直接计算背景像素值方法

2.3建立概率密度函数与分布模型方法

3基于改进BFOA的Otsu图像分割算法实现

3.1细菌觅食优化算法

3.2改进的细菌觅食优化算法

3.3 Otsu图像分割算法原理

3.4基于改进BFOA的双阈值Otsu图像分割算法

3.4实验结果与分析

4基于改进BFOA的双阈值Otsu算法在动态视频背景更新中的应用

4.1改进的动态视频背景更新方法

4.2基于改进BFOA的双阈值Otsu动态视频背景更新优化

4.3实验结果与分析

5基于分块分类的Kalman滤波背景更新优化算法

5.1 Kalman滤波运动视频背景更新方法

5.2基于分块分类的背景建模与背景更新

5.3改进的分块分类Kalman滤波背景更新优化算法

5.4试验结果分析

6总结与展望

6.1总结

6.1展望

致谢

参考文献

攻读学位期间的研究成果