基于混合高斯模型的运动目标检测算法研究

摘要

近年来，智能视频监控已经越来越多的被应用到人们的实际生活当中，而目标检测在视频监控领域中占有重要的位置，成为众多学者的研究重点。目标检测的效果与接下来的图像处理工作密切相关，对目标跟踪、行为理解等方面都有影响，具有深远的理论意义和实际应用价值。用于目标检测的方法非常多，这些方法融合了人工智能、图像处理、计算机视觉以及模式识别等多门学科。研究者们力图找到一种各方面指标都非常优良的检测算法，无论是检测速度还是精度、抗干扰能力等等都可以符合精确实时检测的要求。目前，最为经典和应用最为广泛的算法就是混合高斯模型算法，但是该算法在一些特定情况下的检测效果也不够理想。
　　本文针对高斯混合模型算法的一些弊端，提出了一种改进的目标检测算法。首先该算法针对高斯混合模型建模初期，背景建模效果不理想的特点，在图像序列的开始阶段，利用中值方法得到背景图像，针对背景图像建立高斯混合模型，这样可以只对背景像素进行更新，避免了原始高斯混合模型算法中，对图像中所有像素点进行更新，加快了算法的处理速度，而且即便在图像中始终存在运动目标的情况下，也可以快速的得到干净的背景图片；其次，在模型学习方面，充分考虑均值和方差的自身特点和差异性，为均值与方差分别设置了不一样的学习率，提高了背景模型的收敛速度，使背景模型能够更好的适应外界场景的变化。但是此时的前景区域不但包括运动目标还包括阴影区域，为了去除前景中的阴影区域，本文提出一种融合颜色空间和纹理特征阴影检测的新算法。针对传统的LBP算子的缺陷，提出了一种改进的纹理特征算子，该算子融合了中心像素和邻域像素的平均值，可以更好的描述纹理特征。将改进后的算子与HSV颜色空间去阴影的方法相结合，从而实现对阴影的检测与去除。该方法能很好区分出运动目标的阴影区域，并且有效去除阴影。最后，考虑运动目标检测的应用前景，利用随机Hough算子对圆的检测原理，在运动目标检测的基础之上，实现对人头的边缘检测。实验结果表明，本文提出的算法可以很好的检测出运动目标，并能够有效去除运动目标包含的阴影区域。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究的背景和意义

1.2 国内外目标检测技术的研究现状

1.3 论文结构

第2章 基于混合高斯模型的检测技术研究

2.1 运动目标检测的常用算法

2.2 基于混合高斯背景模型的运动目标检测

2.3 形态学运算

2.4 实验结果分析

2.5 小结

第3章 HSV颜色空间与LBP纹理特征相融合的阴影检测算法

3.1 运动阴影的概述

3.2 基于彩色空间的阴影消除算法

3.3 颜色空间和纹理特征相结合的阴影检测算法

3.4 实验结果与分析

3.5 小结

第4章 基于随机霍夫变换的人头检测技术

4.1 边缘检测方法研究

4.2 霍夫(Hough)变换研究

4.3 基于随机霍夫变换的人头检测

4.4 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢